[論文レビュー] A Comprehensive Survey on Spectrum Sharing Techniques for 5G/B5G Intelligent Wireless Networks: Opportunities, Challenges and Future Research Directions

Anita Patil, Sridhar Iyer+5 more|arXiv (Cornell University)|Nov 16, 2022

PAPR reduction in OFDM参考文献 135被引用数 13

ひとこと要約

本論文は、5G/B5G無線ネットワークにおける知能的スペクトラム共有（SS）技術について包括的なサーベイを提示しており、人工知能（AI）および機械学習（ML）を統合することでスペクトラム利用効率を向上させている。認知無線、ブロックチェーン、MLベースのSS手法を分析し、動的スペクトラムアクセスにおける主要な課題を特定するとともに、次世代ネットワークにおける効率的でスケーラブルかつ知能的なスペクトラム管理のための今後の研究方向性を提示している。

ABSTRACT

The increasing popularity of Internet of Everything and small-cell devices has enormously accelerated traffic loads. Consequently, increased bandwidth and high data rate requirements stimulate the operation at the millimeter wave and the Tera-Hertz spectrum bands in the fifth generation (5G) and beyond 5G (B5G) wireless networks. Furthermore, efficient spectrum allocation, maximizing the spectrum utilization, achieving efficient spectrum sharing (SS), and managing the spectrum to enhance the system performance remain challenging. To this end, recent studies have implemented artificial intelligence and machine learning techniques, enabling intelligent and efficient spectrum leveraging. However, despite many recent research advances focused on maximizing utilization of the spectrum bands, achieving efficient sharing, allocation, and management of the enormous available spectrum remains challenging. Therefore, the current article acquaints a comprehensive survey on intelligent SS methodologies for 5G and B5G wireless networks, considering the applications of artificial intelligence for efficient SS. Specifically, a thorough overview of SS methodologies is conferred, following which the various spectrum utilization opportunities arising from the existing SS methodologies in intelligent wireless networks are discussed. Subsequently, to highlight critical limitations of the existing methodologies, recent literature on existing SS methodologies is reviewed in detail, classifying them based on the implemented technology, i.e., cognitive radio, machine learning, blockchain, and multiple other techniques. Moreover, the related SS techniques are reviewed to highlight significant challenges in the B5G intelligent wireless network. Finally, to provide an insight into the prospective research avenues, the article is concluded by presenting several potential research directions and proposed solutions.

研究の動機と目的

• IoTデバイスやスモールセルデバイスの増加に伴い、5G/B5Gネットワークにおける高データレートとスペクトラム効率の需要を満たすため。
• ミリ波およびテラヘルツ帯域におけるスペクトラム割り当て、共有、利用に関する主要な課題を特定するため。
• 特にAI/ML、認知無線、ブロックチェーン技術を活用した手法を含む、既存のスペクトラム共有手法をレビューするため。
• 現在のSS技術における制限事項と未解決の問題を強調し、知能的無線ネットワークにおける今後の研究を導くため。
• B5G知能的ネットワークにおけるスケーラブルで、適応的かつ安全なスペクトラム共有のための今後の研究方向性を提案するため。

提案手法

• AI/ML、認知無線、ブロックチェーンベースのアプローチに焦点を当てた、5G/B5Gネットワークにおけるスペクトラム共有手法に関する体系的文献レビューを実施する。
• 基盤技術に基づいて既存のSS手法を分類し、その性能、スケーラビリティ、適応性を評価する。
• 強化学習、ディープラーニング、フェデレーテッドラーニングを含む、AIとMLの動的スペクトラムアクセスへの統合を分析し、リアルタイム意思決定を実現する。
• 分散型およびエッジコンピューティング環境におけるセキュリティと信頼性の向上に向けたブロックチェーンの役割を検討する。
• ミリ波およびTHz帯域におけるスペクトラム利用効率を、スペクトル効率、スループット、遅延低減などの指標を通じて評価する。
• 研究結果を統合し、知能的で適応的かつ安全なスペクトラム共有フレームワークのギャップを特定し、今後の研究方向性を提案する。

実験結果

リサーチクエスチョン

• RQ1 AIおよび機械学習技術は、5G/B5Gネットワークにおけるスペクトラム共有効率をどのように向上させるか？
• RQ2 スケーラビリティ、セキュリティ、リアルタイム適応性の観点から、現在のスペクトラム共有手法の主な制限は何であるか？
• RQ3 認知無線およびブロックチェーン技術は、知能的スペクトラム共有フレームワークにどのように効果的に統合できるか？
• RQ4 ミリ波およびテラヘルツ帯域で効率的なスペクトラム利用を達成するにあたり、主な課題は何か？
• RQ5 B5Gネットワークにおける知能的でスケーラブルかつ安全なスペクトラム共有を実現するにあたり、最も有望な今後の研究方向性は何か？

主な発見

• AIおよびMLベースのスペクトラム共有手法は、動的かつ変化しやすい5G/B5G環境において、スペクトル効率と適応性を顕著に向上させる。
• 認知無線ベースの手法は動的スペクトラムアクセスを可能にするが、センシング精度とインタフェンス管理の面で課題を抱えている。
• ブロックチェーンを活用したスペクトラム共有は、分散型ネットワークにおける信頼性とセキュリティを向上させるが、遅延と計算オーバーヘッドを伴う。
• ミリ波およびテラヘルツ帯域は高データレートを提供するが、信頼性の高いアクセスを実現するには高度なビームフォーミングとモビリティ管理が必要である。
• AI、ブロックチェーン、認知無線を統合したハイブリッド手法は、将来のネットワークにおけるスケーラブルで安全なスペクトラム共有の可能性を示している。
• 今後の研究は、プライバシーを守るスペクトラム意思決定のためのフェデレーテッドラーニングおよびエンドツーエンド性能のためのクロスレイヤーオプティマイゼーションに注力すべきである。