[논문 리뷰] A Survey of Conventional and Artificial Intelligence / Learning based Resource Allocation and Interference Mitigation Schemes in D2D Enabled Networks

Kamran Zia, Nauman Javed외 4명|arXiv (Cornell University)|2018. 09. 24.

Advanced MIMO Systems Optimization인용 수 10

한 줄 요약

이 종합 검토는 장치 간(D2D) 5G 이질적 네트워크에서 전통적 및 인공지능(AI) 기반 자원 할당 및 간섭 완화 기법을 분석하며, 기존 방법의 한계를 부각하고 동적이고 다층 환경에서 AI 기반 접근 방식의 우수성을 입증한다. 다셀 간섭, 사용자 이동성, 현실적인 네트워크 모델링 부족 등의 주요 과제를 규명하면서, 밀도가 높고 용량이 큰 5G 환경에서 스펙트럼 효율성과 네트워크 성능 향상을 위해 고도화된 AI 기법의 필요성을 주장한다.

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.

연구 동기 및 목표

• D2D 기반 5G 이질적 네트워크에서의 전통적 간섭 완화 및 자원 할당(RRM) 기법을 분석하기 위해.
• 고밀도 사용자 환경과 다층, 다셀 환경에서 기존 RRM 체계의 한계를 규명하기 위해.
• 인공지능(AI) 및 기계학습(ML) 기법이 동적이고 확장 가능한 RRM 및 간섭 관리에서 효과적으로 작용하는지 평가하기 위해.
• 다셀 배치, 사용자 이동성, D2D 시스템에서의 현실적인 네트워크 모델링 등의 열린 연구 과제를 부각하기 위해.
• AI 기반 접근과 전통적 접근 방식을 종합적으로 비교하여, 향후 5G 이질적 네트워크에서 복잡한 간섭과 자원 할당 문제를 해결할 수 있는 AI의 잠재력을 강조하기 위해.

제안 방법

• D2D 언더레이 셀룰러 네트워크에서의 전력 제어, 사용자 쌍화, 자원 공유와 같은 전통적 RRM 및 간섭 완화 기법에 대한 체계적 종합 검토.
• 동적 자원 할당을 위한 유전 알고리즘(GA), 개미 군집 최적화(ACO), 강화 학습(RL)과 특히 Q-학습을 포함한 AI 기반 접근 방식 분석.
• 다셀 이질적 네트워크(HetNets)에서 중심집중형 및 분산형 RL 기반 RRM 체계 평가, D2D 사용자 간 및 기지국 간 정보 공유 메커니즘 포함.
• mmWave 대역 및 비허가 대역에서의 D2D 통신 조사, 타당성, 간섭 특성, 자원 할당 복잡성 평가.
• 다양한 D2D 배치 시나리오(예: 내셀 대역 간 D2D 쌍) 비교 및 간섭과 시스템 성능에 미치는 영향 평가.
• 특히 동적이고 이동성이 높은 네트워크 환경에서 D2D 사용자 및 기지국의 자율적 의사결정의 역할 평가.

실험 결과

연구 질문

• RQ1 D2D 기반 5G 이질적 네트워크에서 전통적 자원 할당 및 간섭 완화 기법의 핵심 한계는 무엇인가요?
• RQ2 Q-학습 및 메타휴리스틱 알고리즘과 같은 AI 기반 기법이 다셀 D2D 네트워크에서 동적 자원 할당 및 간섭 관리에 어떻게 향상시키나요?
• RQ3 밀도 높은 소셀과 사용자 이동성이 있는 실제 5G 네트워크 시나리오에 기존 RRM 체계를 적용할 때의 과제는 무엇인가요?
• RQ4 허가 대역 대비 mmWave 대역 및 비허가 대역에서의 D2D 통신은 간섭과 자원 할당 복잡성에 어떤 영향을 미치나요?
• RQ5 미래의 5G D2D 네트워크를 위한 확장 가능하고 자율적이며 효율적인 RRM 프레임워크 설계에서의 열린 연구 과제는 무엇인가요?

주요 결과

• 고밀도의 다층 5G 이질적 네트워크(HetNets)에서 전통적 RRM 기법은 사용자 수가 많고 간섭 조건이 빠르게 변화하는 환경에서 확장성과 계산 오버헤드 문제를 겪는다.
• Q-학습 및 메타휴리스틱 알고리즘(GA, ACO)을 포함한 AI 기반 기법은 다셀 D2D 네트워크에서 동적이고 적응형이며 확장 가능한 자원 할당 및 간섭 완화를 가능하게 하는 강력한 잠재력을 보인다.
• 대부분의 기존 연구는 단일 매크로 셀 모델에 의존하여, 다수의 매크로 셀과 소셀이 존재하는 실제 5G 구현 환경의 복잡성을 반영하지 못한다.
• 현재의 RRM 및 간섭 완화 모델에서 사용자 이동성은 거의 고려되지 않아 실용적 적용에서의 주요 격차로 남아 있다.
• mmWave 대역에서의 D2D 통신은 넓은 대역폭과 방향성 빔을 통해 더 높은 데이터 전송 속도를 제공하고 간섭을 감소시키지만, 고도화된 빔 관리 및 핸드오버 메커니즘을 필요로 한다.
• 비허가 대역에서의 간섭 완화는 네트워크 제어 부족과 예측 불가능한 채널 접근으로 인해 매우 복잡하며, 이에 따라 강력한 AI 기반 조율 메커니즘이 필수적이다.