[논문 리뷰] A Comprehensive Survey on Spectrum Sharing Techniques for 5G/B5G Intelligent Wireless Networks: Opportunities, Challenges and Future Research Directions

Anita Patil, Sridhar Iyer외 5명|arXiv (Cornell University)|2022. 11. 16.

PAPR reduction in OFDM참고 문헌 135인용 수 13

한 줄 요약

이 논문은 5G/비5G 무선 네트워크를 위한 지능형 스펙트럼 공유(SS) 기술에 대한 종합적인 서베이를 제시하며, 스펙트럼 활용도를 향상시키기 위해 인공지능(AI)과 기계학습(ML)을 통합한다. 인지 무선, 블록체인, ML 기반 SS 방법론을 분석하고, 동적 스펙트럼 접근에서의 핵심 과제를 규명하며, 차세대 네트워크에서 효율적이고 확장 가능하며 지능적인 스펙트럼 관리의 향후 연구 방향을 제시한다.

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.

연구 동기 및 목표

• IoT 및 소형셀 기기의 증가로 인해 5G/비5G 네트워크에서 고속 데이터 전송 및 스펙트럼 효율성에 대한 수요 증가에 대응하기 위해.
• 밀리미터파 및 테라헤르츠 대역에서의 스펙트럼 할당, 공유, 활용에 있어 핵심 과제를 규명하기 위해.
• 특히 AI/ML, 인지 무선, 블록체인 기술을 활용한 기존 스펙트럼 공유 방법론을 검토하기 위해.
• 현재의 SS 기술의 한계와 열린 문제점을 부각시켜 지능형 무선 네트워크 분야의 향후 연구를 이끌기 위해.
• 비5G 지능형 네트워크에서 확장 가능하고, 적응 가능하며, 안전한 스펙트럼 공유를 위한 향후 연구 방향을 제안하기 위해.

제안 방법

• AI/ML, 인지 무선, 블록체인 기반 접근을 중점으로 5G/비5G 네트워크에서의 스펙트럼 공유 기술에 대한 체계적인 문헌 조사를 수행하기 위해.
• 기반 기술에 따라 기존 SS 방법론을 분류하고, 성능, 확장성, 적응 가능성 등을 평가하기 위해.
• 강화 학습, 딥 러닝, 피어드 학습을 포함한 실시간 의사결정을 위한 AI 및 ML의 동적 스펙트럼 접근 통합 분석하기 위해.
• 특히 탈중앙화 및 엣지 컴퓨팅 환경에서 스펙트럼 공유의 보안성과 신뢰도를 향상시키기 위한 블록체인의 역할을 검토하기 위해.
• 밀리미터파 및 테라헤르츠 대역에서 스펙트럼 이용 효율성을 스펙트럼 효율성, 대역폭, 지연 감소 등의 지표를 통해 평가하기 위해.
• 결과를 통합하여 격차를 규명하고, 지능적이고 적응 가능하며 안전한 스펙트럼 공유 프레임워크를 위한 향후 연구 방향을 제안하기 위해.

실험 결과

연구 질문

• RQ1 AI 및 기계학습 기법은 5G/비5G 네트워크에서 스펙트럼 공유 효율성을 어떻게 향상시키는가?
• RQ2 확장성, 보안성, 실시간 적응 가능성 측면에서 현재의 스펙트럼 공유 방법론의 주요 한계는 무엇인가?
• RQ3 인지 무선 및 블록체인 기술은 지능형 스펙트럼 공유 프레임워크에 효과적으로 통합될 수 있는가?
• RQ4 밀리미터파 및 테라헤르츠 대역에서 효율적인 스펙트럼 활용을 달성하는 데 있어 주요 과제는 무엇인가?
• RQ5 비5G 네트워크에서 지능적이고 확장 가능하며 안전한 스펙트럼 공유를 실현하기 위해 가장 유망한 향후 연구 방향은 무엇인가?

주요 결과

• AI 및 ML 기반 스펙트럼 공유 기법은 동적 5G/비5G 환경에서 스펙트럼 효율성과 적응 가능성을 크게 향상시킨다.
• 인지 무선 기반 접근은 동적 스펙트럼 접근을 가능하게 하지만, 감지 정확도 및 간섭 관리 측면에서 과제를 안고 있다.
• 블록체인 기반 스펙트럼 공유 기법은 탈중앙화 네트워크에서 신뢰도와 보안성을 향상시키지만, 지연 및 계산 오버헤드를 유발한다.
• 밀리미터파 및 테라헤르츠 대역은 고속 데이터 전송을 가능하게 하지만, 신뢰할 수 있는 액세스를 위해 고도의 빔포밍 및 이동성 관리 기술이 필요하다.
• AI, 블록체인, 인지 무선 기술을 융합한 하이브리드 접근 방식은 향후 네트워크에서 확장 가능하고 안전한 스펙트럼 공유에 유망한 전망을 보인다.
• 향후 연구는 개인정보 보호를 고려한 피어드 학습을 통한 스펙트럼 의사결정 및 종단 간 성능 향상을 위한 레이어 간 최적화에 집중해야 한다.