Resource allocation for broadband links of IoT in fog networks

• Autorzy: Jerzy Martyna

Identyfikatory

DOI

10.15199/59.2020.7-8.27

Warianty tytułu

PL

Alokacja zasobów dla szerokopasmowych łączy IoT w mgłowych sieciach

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji (17-18.09.2020 ; Łódź, Polska)
• Języki publikacji: EN

Abstrakty

EN

In this paper, the resource allocation problem in the downlink of the Fog radio network is considered. First, the different traffic rates of broadband links of IoT (Internet of Things) implemented in Fog radio network are presented. Furthermore, the optimal resurce allocation problem is formulated. Using the matching theory, distributed algorithms are developed to make decsion about the subchannel assignment for a given IoT device. The presented algorithm aims at a stable fit. It is characterized by low complexity. The obtained results were confirmed in simulation tests.

PL

W tym artykule rozważono problem alokacji zasobów w łączu w dół w mgłowej sieci radiowej. Najpierw przedstawiono różne rodzaje przepływów dla szerokopasmowych łączy Internetu Rzeczy (Internet of Things) implementowanych w mgłowej sieci radiowej. Ponadto sformułowano problem optymalnej alokacji zasobów. Korzystając z teorii dopasowania został opracowany algorytm w celu podejmowania decyzji o przypisaniu podkanału dla danego urządzenia IoT. Przedstawiony algorytm ma na celu stabilne dopasowanie. Algorytm charakteryzuje się małą złożonością. Uzyskane wyniki zostały potwierdzone w badaniach symulacyjnych.

Słowa kluczowe

EN

fog computing; Internet of things; IoT; resource allocation; URLLC traffic; eMBB traffic; mMTC traffic

PL

mgłowe sieci radiowe; Internet rzeczy; alokacja zasobów; przepływ URLLC; przepływ eMBB; przepływ eMTC

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2020
• Tom: nr 7-8
• Strony: 254--258, CD
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Jerzy Martyna

• Faculty of Mathematics and Computer Science, Jagiellonian University, Prof. Łojasiewicza Street 6, 30-348 Kraków

Bibliografia

• [1] F. Bonomi, R. Milito, J. Zhu, S. Addepalli, Fog computing and its role in the internet of things. ACM Digital Library, Proc. MCC’12, pp. 13–16, 2012. Fig. 4. The achievable network sum-rate in function of a varying number of source/destination pairs.
• [2] Buyya R, Yeo CS, Venugopal S, Broberg J, Brandic I. Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility. Future Generation Computer Systems, vol. 25, no. 6, pp. 599 - 616, 2009
• [3] F. Bonomi, R. Milito, P. Natarajan, and J. Zhu, Fog computing: A platform for internet of things and analytics, in: Big Data and Internet of Things: A Roadmap for Smart Environments, pp. 169 - 186, 2014.
• [4] A. V. Dastjerdi and R. Buyya, Fog computing: Helping the internetof things realize its potential, Computer, vol. 49, no. 8, pp. 112 - 116, 2016.
• [5] H. Gupta, A. V. Dastjerdi, S. K. Ghosh, and R. Buyya, “ifogsim: A toolkit for modeling and simulation of resource management techniques in internet of things, edge and fog computing environments,”Online: arXiv:1606.02007, 2016.
• [6] OpenFog, An OpenFog Architecture Overview, https://www.openfogconsortium.org/page-section/whitepapers/, 2015.
• [7] ITU-R M.[IMT-2020.TECH PERF REQ]—Minimum Requirements Related to Technical Performance for IMT–2020 Radio Interface(s), document ITU-R M.2410-0, Int. Telecom. Union—Recommendations, Nov. 2017.
• [8] H. Zhang, N. Liu, X. Chu, K. Long, A.-H. Aghvami, V. C. M. Leung, Network slicing based 5G and future mobile networks: Mobility, resource management, and challenges, IEEE Commun. Mag., vol. 55, no. 8, pp. 138 - 145, Aug. 2017.
• [9] W. Guan, X. Wen, L. Wang, Z. Lu, Y. Shen, A service-oriented deployment policy of end-to-end network slicing based on complex network theory, IEEE Access, vol. 6, pp. 19691 - 19701, 2018.
• [10] P. Popovski, K. F. Trillingsgaard, O. Simeone, G. Durisi, 5G Wireless Network Slicing for eMBB, URLLC, and mMTC: A Communication-Theoretic View, IEEE Access, vol. 6, pp. 55765 - 55779, 2019.
• [11] C. Bockelmann, N. Pratas, H. Nikopour, K. Au, T. Svensson, C. Stefanovic, P. Popovski, A. Dekorsy, Massive machine-type communications in 5G: Physical and MAC-layer solutions, IEEE Commun. Mag., vol. 54, no. 9, pp. 59 - 65, 2016.
• [12] Jiho Jang and Kwang Bok Lee, Transmit Power Adaptation for Multiuser OFDM Systems, IEEE J. Sel. Areas in Comm., vol. 21, no. 2, pp. 171 - 178, 2003.
• [13] Cisco Systems, Design best practices for latency optimization, Tech. Rep., Cisco Systems, Inc., CA, USA, 2007.
• [14] D. G. Luenberger, Yinyu Ye, Linear and Nonlinear Programming, Fourth Edition, Berlin: Springer 2008.
• [15] Y. Gu, W. Saad, M. Bennis, M. Debbah, Z. Han, Matching Theory for FutureWireless Networks: Fundamentals and Applications, IEEE Commun. Mag., vol. 53, no. 5, pp. 52 - 59, 2015.
• [16] K. A. Jorswieck, Stable matchings for resource allocation in wireless networks, in: Proc. 17th Int. Conf. Digit. Signal Process (DSP), pp. 1 - 8, 2011.

Uwagi

PL

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).