Adaptacyjny wybór prfilu transmisyjnego w gęstych sieciach bezprzewodowych

• Autorzy: Kułacz Łukasz , Kliks Adrian , Bossy Bartosz , Kryszkiewicz Paweł

Identyfikatory

DOI

10.15199/59.2020.7-8.18

Warianty tytułu

EN

Adaptive transmission profile selection in dense wireless networks

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

Abstrakty

PL

W przyszłych sieciach bezprzewodowych rozważa się zwiększenie gęstości węzłów. Przy bardzo dużej liczbie takich węzłów mówi się o tzw. sieciach ultra lub ekstremalnie gęstych, gdzie efektywne zarządzanie zużyciem energii ma kluczowe znaczenie dla długiego funkcjonowania sieci. W artykule omówiono koncepcję wyboru profilu transmisji przez poszczególne węzły takiej sieci, gdzie profil jest zdefiniowany jako zestaw konkretnych parametrów charakteryzujących sposób transmisji sygnału przez dany węzeł. Przyjęto dwa profile mocy, z których pierwszy zakłada transmisję z wykorzystaniem zaawansowanych algorytmów kodowania kanałowego, a drugi - wykorzystanie tylko prostych schematów modulacji, lecz bez kodowania kanałowego. Przeprowadzono symulację komputerową w celu sprawdzenia wydajności takiej sieci.

EN

Future wireless networks are considering increased node density. With a very large number of such nodes, there are so-called ultra or extremely dense networks, where efficient energy management is key to the long-term operation of the network. The paper discusses the concept of selecting a transmission profile by individual nodes of such a network, where the profile is defined as a set of specific parameters characterizing the way the signal is transmitted by a given node. Two power profiles were adopted, the first of which assumes transmission using advanced channel coding algorithms, and the second - using only simple modulation schemes, but without channel coding. A computer simulation was carried out to check such a network performance.

Słowa kluczowe

PL

gęsta sieć bezprzewodowa; komunikacja inspirowana działaniem mózgu; transmisja adaptacyjna; zużycie energii

EN

adaptive transmission; brain-inspired communications; dense wireless network; energy consumption

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2020
• Tom: nr 7-8
• Strony: 212--215, CD
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Kułacz Łukasz

• Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska, ul. Polanka 3, 61-131 Poznań

autor

Kliks Adrian

• Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska, ul. Polanka 3, 61-131 Poznań

autor

Bossy Bartosz

• Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska, ul. Polanka 3, 61-131 Poznań

autor

Kryszkiewicz Paweł

• Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska, ul. Polanka 3, 61-131 Poznań

Bibliografia

• [1] Andrews Jeffrey, Zhang Xinchen, Durgin Gregory, Gupta Abhishek, ”Are we approaching the fundamental limits of wireless network densification?”, IEEE Communications Magazine, tom 54, nr 10 (październik 2016): 184-190.
• [2] Belanger M., Allaman I., Magistretti P. , ”Brain Energy Metabolism: Focus on Astrocyte-Neuron Metabolic Cooperation”, Cell Metabolism, tom 14, nr 6 (grudzień 2011): 724-738.
• [3] Bhushan Naga i inni, ”Network densification: the dominant theme for wireless evolution into 5G”, IEEE Communications Magazine, tom 52, nr 2, (luty 2014): 82-89.
• [4] Björnson Emil, Sanguinetti Luca, Hoydis Jakob, Debbah Mérouane, ”Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer?”, IEEE Transactions on Wireless Communications, tom 14, nr 6 (luty 2015): 3059-3075.
• [5] Bossy Bartosz, Kryszkiewicz Paweł, Bogucka Hanna, ”Flexible, Brain-Inspired Communication in MassiveWireless Networks”, Sensors, 2020, w trakcie publikacji.
• [6] Bullock John, Boyle Joseph,Wang Michael, Physiology (The National medical series for independent study, Lippincott Williams & Wilkins, 2001).
• [7] Buzzi Stefano, D’Andrea Carmen, Zappone Alessio, D’Eliand Ciro, ”User-Centric 5G Cellular Networks: Resource Allocation and Comparison With the Cell-Free Massive MIMO Approach”, IEEE Transactions on Wireless Communications, tom 19, nr 2 (luty 2020): 1250-1264.
• [8] ETSI. Evolved Universal Terrestrial Radio Access (E-UTRA); Radio Frequency (RF) system scenarios (3GPP TR 36.942 wersja 10.2.0 wydanie 10), Tabela C.1. TR 136 942 v.14.0.0, 2017.
• [9] Isheden Christian, Fettweis Gerhard, ”Energy-Efficient Multi-Carrier Link Adaptation with Sum Rate-Dependent Circuit Power”, IEEE Global Communications Conference (GLOBECOM), (2010).
• [10] Li Ye, Bakkaloglu Bertan, Chakrabarti Chaitali, ”A System Level Energy Model and Energy-Quality Evaluation for Integrated Transceiver Front-Ends”, IEEE Transactions on Very Large Scale Integration (VLSI) Systems, tom 15, nr 1 (luty 2007): 90-103.
• [11] Ochiai Hideki, ”An Analysis of Band-limited Communication Systems from Amplifier Efficiency and Distortion Perspective”, IEEE Transactions on Communications, tom 61, nr 4 (2013): 1460-1472.
• [12] Yang Chungang i inni, ”Interference-Aware Energy Efficiency Maximization in 5G Ultra-Dense Networks”, IEEE Transactions on Communications, tom 65, nr 2 (luty 2017): 728-739.
• [13] Zhang Haijun i inni, ”Energy Efficient User Association and Power Allocation in Millimeter-Wave-Based Ultra Dense Networks With Energy Harvesting Base Stations”, IEEE Journal on Selected Areas in Communications, tom 35, nr 9 (wrzesie´n 2017): 1936-1947.
• [14] Zheng Jie i inni, ”Joint Energy Management and Interference Coordination With Max-Min Fairness in Ultra-Dense HetNets”, IEEE Access, tom 6 (maj 2018): 32588-32600.

Uwagi

PL

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