این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۱۵، شماره ۲، صفحات ۱-۱۴
عنوان فارسی تخصیص توأمان منابع رادیویی و محاسباتی در شبکه دسترسی رادیویی ابری
چکیده فارسی مقاله شبکه‌های دسترسی رادیویی ابری (C-RAN) دارای بهره‌وری انرژی و طیفی بالا هستند. در C-RAN تمام پردازش محاسباتی در استخر مرکزی واحد باند پایه (BBU) و عملیات‌ رادیویی در رأس‌های رادیویی راه دور (RRH) صورت می‌گیرد. استخر مرکزی BBU توسط خطوط روبنا به RRHها متصل است. با جداسازی بخش پردازش BBU و توسعه RRHهای پراکنده، ساختار خوشه‌بندی RRHها را سازگار با تغییرات شبکه می‌توان طراحی کرد. در این مقاله برای کاهش پیچیدگی در
C RAN فراچگال، خوشه‌بندی به‌صورت کاربرمحور و تخصیص منابع آموزش کانال متناسب با آن استفاده می‌شود. همچنین، برای کاهش سربار آموزش، مدل اطلاعات جزئی حالت کانال استفاده می‌شود. سپس مسئله طراحی بردارهای شکل‌دهی پرتو با هدف حداکثرسازی نرخ مجموع وزن‌دهی‌شده (WSR) با محدودیت حداکثر توان RRHها و ظرفیت خطوط روبنا و ظرفیت محاسباتی منابع استخر BBU ارائه می‌شود. به‌دلیل NP-hard بودن مسئله اصلی،‌ سه زیرمسئله برای حل آن پیشنهاد می‌شود. ابتدا مسئله طراحی بردار شکل‌دهی پرتو برای بیشینه‌سازی WSR و محدودیت توان RRHها و سپس مسئله تخصیص پویای منابع محاسباتی و درنهایت، اعمال محدودیت ظرفیت خطوط روبنا با هدف کمترین تأثیر بر WSR حل می‌شوند. تخصیص هم‌زمان منابع رادیویی و محاسباتی با هدف کاهش پیچیدگی محاسباتی و تعداد پایلوت مورد نیاز برای آموزش کانال با کمترین تعداد BBU صورت می‌گیرد.
کلیدواژه‌های فارسی مقاله اطلاعات جزئی حالت کانال، تخصیص‌ همکارانه منابع رادیویی و محاسباتی، رأس رادیویی راه دور، شبکه دسترسی رادیویی ابری، شبکه‌های فراچگال،
عنوان انگلیسی Joint Radio and Computation Resource Allocation in Cloud Radio Access Networks
چکیده انگلیسی مقاله In C-RAN architecture, all computational processing is performed in the central baseband unit (BBU) pool, while radio operations are carried out in the remote radio heads (RRHs). The central BBU pool is connected to the RRHs by fronthaul links. Therefore, by separating the processing unit and the radio units, the clustering structure of RRHs can be designed to adapt to network changes. This paper deals with the problem of radio and computation resource allocation to maximize weighted sum rate. To reduce complexity, we use user-centric clustering and appropriate training resources allocation. Additionally, to lessen channel training overhead, an incomplete model of channel state information is considered, in which only intra-cluster channel state information is estimated. By replacing a sticky lower bound of user data rate in the main problem, the beamforming vectors under the constraints of computational and radio resources are designed in three steps. In the first step, the weighted sum rate maximization problem is solved under maximum radio transmitted power constraints by weighted minimum mean square error method. Then, in the second step, using a proposed greedy algorithm to allocate computational resources to users. In the third step, fronthaul capacity constraints are applied by another greedy algorithm.
کلیدواژه‌های انگلیسی مقاله اطلاعات جزئی حالت کانال, تخصیص‌ همکارانه منابع رادیویی و محاسباتی, رأس رادیویی راه دور, شبکه دسترسی رادیویی ابری, شبکه‌های فراچگال
نویسندگان مقاله نرگس کیانی |
کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

نغمه سادات مؤیدیان |
استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

نشانی اینترنتی https://isee.ui.ac.ir/article_28258_4f71fef3492268dc896f388766fb5ebf.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات