[論文レビュー] A Survey of Conventional and Artificial Intelligence / Learning based Resource Allocation and Interference Mitigation Schemes in D2D Enabled Networks

Kamran Zia, Nauman Javed+4 more|arXiv (Cornell University)|Sep 24, 2018

Advanced MIMO Systems Optimization被引用数 10

ひとこと要約

本サーベイは、デバイス間（D2D）対応5Gハイブリッドネットワークにおける従来のリソース割り当ておよびインタフェンス低減技術とAIベースの技術を分析し、従来手法の限界を強調するとともに、動的でマルチティアの環境においてAI駆動型アプローチの優位性を示している。マルチセル干渉、ユーザー移動性、現実的なネットワークモデリングの欠如といった主な課題を特定するとともに、スペクトル効率および高密度・高容量5G環境におけるネットワーク性能を向上させるために、高度なAI技術の活用を提言している。

ABSTRACT

5th generation networks are envisioned to provide seamless and ubiquitous connection to 1000-fold more devices and is believed to provide ultra-low latency and higher data rates up to tens of Gbps. Different technologies enabling these requirements are being developed including mmWave communications, Massive MIMO and beamforming, Device to Device (D2D) communications and Heterogeneous Networks. D2D communication is a promising technology to enable applications requiring high bandwidth such as online streaming and online gaming etc. It can also provide ultra- low latencies required for applications like vehicle to vehicle communication for autonomous driving. D2D communication can provide higher data rates with high energy efficiency and spectral efficiency compared to conventional communication. The performance benefits of D2D communication can be best achieved when D2D users reuses the spectrum being utilized by the conventional cellular users. This spectrum sharing in a multi-tier heterogeneous network will introduce complex interference among D2D users and cellular users which needs to be resolved. Motivated by limited number of surveys for interference mitigation and resource allocation in D2D enabled heterogeneous networks, we have surveyed different conventional and artificial intelligence based interference mitigation and resource allocation schemes developed in recent years. Our contribution lies in the analysis of conventional interference mitigation techniques and their shortcomings. Finally, the strengths of AI based techniques are determined and open research challenges deduced from the recent research are presented.

研究の動機と目的

• D2D対応5Gハイブリッドネットワークにおける従来のインタフェンス低減およびリソース割り当て（RRM）技術を分析すること。
• 高密度ユーザー環境およびマルチティア、マルチセル環境における従来のRRM方式の限界を特定すること。
• 人工知能（AI）および機械学習（ML）技術が動的でスケーラブルなRRMおよびインタフェンス管理において効果的であるかを評価すること。
• マルチセル展開、ユーザー移動性、D2Dシステムにおける現実的なネットワークモデリングといった、未解決の研究課題を強調すること。
• AIベースと従来のアプローチを包括的に比較し、5Gハイブリッドネットワークにおける複雑なインタフェンスおよびリソース割り当て問題に対処するAIの潜在能力を強調すること。

提案手法

• D2Dアンダーレイセルラーウェイの電力制御、ユーザーペアリング、リソース共有を含む、従来のRRMおよびインタフェンス低減技術の体系的サーベイ。
• 動的リソース割り当てに向けた、遺伝的アルゴリズム（GA）、コロニー最適化（ACO）、強化学習（RL）（特にQ学習）を含むAIベースのアプローチの分析。
• 複数セルハイブリッドネットワーク（HetNets）における集中型および分散型RLベースのRRMスキームの評価、D2Dユーザーおよび基地局間の情報共有メカニズムを含む。
• mmWave帯および非許可帯におけるD2D通信の調査、実現可能性、インタフェンス特性、リソース割り当ての複雑さを評価。
• 異なるD2D展開シナリオ（例：セル内対セル間D2Dペア）の比較と、それらがインタフェンスおよびシステム性能に与える影響。
• 特に動的で移動性のあるネットワーク環境におけるD2Dユーザーおよび基地局の自律的意思決定の役割の評価。

実験結果

リサーチクエスチョン

• RQ1 D2D対応5Gハイブリッドネットワークにおける従来のリソース割り当ておよびインタフェンス低減技術の主な限界は何か？
• RQ2 Q学習やメタヒューリスティックアルゴリズムなどのAIベースの技術は、マルチセルD2Dネットワークにおける動的リソース割り当ておよびインタフェンス管理をどのように改善するか？
• RQ3 現行のRRM方式を、小セルが多数存在する高密度な5Gネットワーク環境およびユーザー移動性を伴う現実的なシナリオに適用する際の課題は何か？
• RQ4 許可帯と比較して、mmWave帯および非許可帯におけるD2D通信は、インタフェンスおよびリソース割り当ての複雑さにどのように影響を与えるか？
• RQ5 将来の5G D2Dネットワーク向けにスケーラブルで自律的かつ効率的なRRMフレームワークを設計するうえでの未解決の研究課題は何か？

主な発見

• 従来のRRM技術は、ユーザー数が多く、干渉状態が動的変化する高密度マルチティア5Gハイブリッドネットワークにおいて、スケーラビリティおよび計算オーバーヘッドの問題を顕著に抱えている。
• Q学習やメタヒューリスティックアルゴリズム（GA、ACO）を含むAIベースの手法は、マルチセルD2Dネットワークにおける動的で適応的かつスケーラブルなリソース割り当ておよびインタフェンス低減を実現する強力な可能性を示している。
• 多くの既存の研究は単一マクロセルモデルに依存しており、複数のマクロセルおよび小セルが存在する現実の5G展開の複雑さを反映していない。
• 現在のRRMおよびインタフェンス低減モデルでは、ユーザー移動性がほとんど考慮されておらず、実用的応用における大きなギャップを示している。
• mmWave帯におけるD2D通信は、広帯域と指向性ビームにより高いデータレートと低減された干渉を実現できるが、高度なビーム管理およびハンドオーバー機構を必要としている。
• 非許可帯におけるインタフェンス低減は、ネットワーク制御の欠如および予測不能なチャネルアクセスのため、依然として極めて複雑であり、強固なAI駆動型協調メカニズムの導入が不可欠である。