Semi persistent radio resource allocation for machine type communications in 5g and beyond cellular networks
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Hücresel ağlarda makineler arası iletişimin hızlı büyümesi, çok büyük sayıda makine tipi iletişim aracının servis kalitesi gerekliliklerinin kısıtlı radyo kaynaklarıyla karşılanması zorluğunu da beraberinde getirmektedir. Bu çalışmada, ilk olarak 5G ve ötesi hücresel ağlarda makineler arası iletişim için minimum band genişliğinde kaynak dağıtımı problemini sunmaktayız. Problemin NP-zor olduğu kanıtlanmaktadır. Sonrasında, kalıcıkaynak dağıtımına dayanan ve makine tipi iletişim trafiğinin periyodikliğinden yararlanan hızlı ve etkin bir polinom-zamanlı algoritma önermekteyiz. Problemin özel bir durumunu ele alarak, bu algoritma için matematiksel bir performans sonucu kanıtlamaktayız. Simülasyonlar, önerilen algoritmanın daha önce önerilmiş gruplama tabanlı radyo kaynak dağıtımı algoritmasına belirgin şekilde üstün geldiğini ve optimale çok yakın performans gösterdiğini göstermektedir. The fast growth of machine-to-machine (M2M) communications in cellular networks brings the challenge of satisfying diverse Quality-of-Service (QoS) requirements of massive number of machine type communications (MTC) devices with limited radio resources. In this study, we first introduce the minimum bandwidth resource allocation problem for M2M communications in 5G and beyond cellular networks. NP-hardness of the problem is proven. Then, we propose a fast and efficient polynomial-time algorithm exploiting the periodicity of the MTC traffic based on persistent resource allocation. We prove a mathematical performance result for this algorithm considering a special case of the problem. We elaborate on the expected flexible physical layer structure and study its possible effects on our algorithm. Simulations show that the proposed algorithm outperforms the previously proposed clustering-based radio resource algorithms significantly and performs very close to optimal.
Collections