Two of the main problems to achieve ultra-reliable low-latency communications (URLLC) are related to instantaneous channel state information (I-CSI) acquisition and the coexistence with other service modes such as enhanced mobile broadband (eMBB). The former comes from the non-negligible time required for accurate I-CSI acquisition, while the latter, from the heterogeneous and conflicting requirements of different nodes sharing the same network resources. In this paper, we leverage the I-CSI of multiple eMBB links and the channel measurement's history of a URLLC user for multi-antenna beamforming design. Specifically, we propose a precoding design that minimizes the transmit power of a base station (BS) providing eMBB and URLLC services with signal-to-interference-plus-noise ratio (SINR) and outage constraints, respectively, by modifying existing I-CSI-based precoding schemes to account for URLLC channel history information. Moreover, we illustrate and validate the proposed method by adopting zero-forcing (ZF) and the transmit power minimization (TPM) precoding with SINR constraints. We show that the ZF implementation outperforms TPM in adverse channel conditions as in Rayleigh fading, while the situation is rapidly reversed as the channel experiences some line-of-sight (LOS). Finally, we determine the confidence levels at which the target outage probabilities are reached. For instance, we show that outage probabilities below $10^{-3}$ are achievable with more than 99$\%$ confidence for both precoding schemes under favorable LOS conditions with 16 transmit antennas and 500 samples of URLLC channel history.


翻译:实现超可靠低延迟通信(URLLC)的两个主要问题与瞬时频道状态信息(I-CSI)的获取和与其他服务模式(如增强移动宽带(EMBB))共存有关,前者来自准确获取I-CSI所需的非可忽略时间,而后者则来自共享相同网络资源的不同节点的不同和相互冲突的要求。在本文件中,我们利用多个 EMBB 链接的 I-CSI 和频道测量历史的 URLL 用户的多通量成型设计用户的 URLC 用户的历史。具体地说,我们建议设计一个预编码设计,最大限度地减少基地站(BSB)的传输能力,提供eMB和URLC 服务,提供信号到互让互让性比率(SINRR),以及使用现有基于 I-CSI 的预编码计划来核算URLC 历史信息。此外,我们用零向前的(ZF) 和传输速度最小性(TPMM) 的交付能力最小化方法,在SIM 之前的路径上,我们用RELLA 快速的状态显示,在最后的状态下,我们显示轨道的状态的状态下,我们正变变变变的状态正在显示,在最后的状态的状态的状态下显示,我们正在显示轨道的状态的状态的状态的状态的状态是快速状态。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年1月17日
VIP会员
相关资讯
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员