[論文レビュー] A Comprehensive Survey of Spectrum Sharing Schemes from a Standardization and Implementation Perspective

Mohammad Parvini, Amir Hossein Zarif+6 more|arXiv (Cornell University)|Mar 21, 2022

Advanced MIMO Systems Optimization被引用数 10

ひとこと要約

本論文は、5G以降の無線ネットワークを想定した、割り当て済み帯域および非割り当て帯域におけるスケーリング共有スキームの包括的サーベイを提供し、標準化活動と実装上の課題を分析している。LTE-U、LAA、MulteFire、NR-Uなどの技術を評価し、知能的な共有を可能にするAI/ML統合の可能性を強調するとともに、展開における主な技術的・規制的・経済的障壁を特定している。

ABSTRACT

As the services and requirements of next-generation wireless networks become increasingly diversified, it is estimated that the current frequency bands of mobile network operators (MNOs) will be unable to cope with the immensity of anticipated demands. Due to spectrum scarcity, there has been a growing trend among stakeholders toward identifying practical solutions to make the most productive use of the exclusively allocated bands on a shared basis through spectrum sharing mechanisms. However, due to the technical complexities of these mechanisms, their design presents challenges, as it requires coordination among multiple entities. To address this challenge, in this paper, we begin with a detailed review of the recent literature on spectrum sharing methods, classifying them on the basis of their operational frequency regime that is, whether they are implemented to operate in licensed bands (e.g., licensed shared access (LSA), spectrum access system (SAS), and dynamic spectrum sharing (DSS)) or unlicensed bands (e.g., LTE-unlicensed (LTE-U), licensed assisted access (LAA), MulteFire, and new radio-unlicensed (NR-U)). Then, in order to narrow the gap between the standardization and vendor-specific implementations, we provide a detailed review of the potential implementation scenarios and necessary amendments to legacy cellular networks from the perspective of telecom vendors and regulatory bodies. Next, we analyze applications of artificial intelligence (AI) and machine learning (ML) techniques for facilitating spectrum sharing mechanisms and leveraging the full potential of autonomous sharing scenarios. Finally, we conclude the paper by presenting open research challenges, which aim to provide insights into prospective research endeavors.

研究の動機と目的

• 次世代無線ネットワークにおける割り当て済み帯域および非割り当て帯域におけるスケーリング共有技術の現状を分析すること。
• 技術的および規制的要件を検討することで、標準化フレームワークと実際のベンダー実装の間のギャップを埋めること。
• AIおよび機械学習が自律的かつ効率的なスケーリング共有メカニズムを可能にする役割を評価すること。
• 干渉管理、モビリティ、料金モデル、および異種共有スキーム間のネットワーク協調に関する、未解決の研究的課題を特定すること。

提案手法

• 周波数帯域に応じたスケーリング共有スキームの分類：割り当て済み（例：LSA、SAS、DSS）および非割り当て帯域（例：LTE-U、LAA、MulteFire、NR-U）。
• 3GPP、IEEE、および規制当局（例：FCC、ISED）によるスケーリングアクセスフレームワークの標準化活動のレビュー。
• 従来のセルラーネットワークが動的スケーリング共有および非割り当て帯域運用をサポートするために必要な技術的変更の分析。
• 非割り当て帯域におけるLBT（Listen-Before-Talk）プロトコルの実装複雑性と、NR-Uにおけるビームフォーミングの課題の評価。
• スケーリング共有におけるAI/MLの応用の評価、特に知的な干渉管理、電力制御、および動的リソース割り当て。
• 基地局（eNB/gNB）、スケーリングアクセスシステム（SAS）、および既存ユーザー間の相互運用性および協調課題の特定。

実験結果

リサーチクエスチョン

• RQ1 LSA、SAS、DSSなどの標準化されたスケーリング共有フレームワークは、技術的妥当性、スケーラビリティ、規制適合性の観点からどのように比較されるか？
• RQ2 従来のセルラーネットワークを動的スケーリング共有（割り当て済みおよび非割り当て帯域）に適合させるにあたり、主な実装上の課題は何か？
• RQ3 AIおよび機械学習は、スケーリング共有メカニズムの性能および自律性をどの程度向上させ得るか？
• RQ4 モビリティ管理、料金モデル、干渉協調などの未解決の技術的・経済的障壁は、大規模展開を妨げる要因となるか？
• RQ5 実世界の混雑状態およびビームフォーミング制約下で、非割り当て帯域共有スキーム（例：LTE-U、NR-U）はどのように性能を示すか？

主な発見

• 割り当て済み帯域におけるスケーリング利用率は10–20％にとどまっていると推定されており、共有アクセスのための顕著な未利用余力が存在する。
• LSAおよびSASフレームワークは、既存ユーザーの参加、静的干渉管理、標準化されたモビリティプロトコルの欠如といった課題に直面している。
• 非割り当て帯域共有（例：LTE-U、LAA、NR-U）は、Wi-Fiの混雑状態およびLBTメカニズムに制限を受けており、ビームフォーミングが隠れノード問題および露出ノード問題を引き起こす。
• 動的スケーリング共有（DSS）は、eNBとgNB間のソフトウェアアップグレードおよびネットワーク同期化を要し、CAPEXおよびシグナリングのオーバーヘッドの課題を伴う。
• AIおよびMLは干渉管理および電力制御の最適化において有望な成果を示しているが、その全潜在能力はまだ十分に解明されておらず、さらなる研究が求められる。
• ベンダーロックインおよび相互運用性の欠如は、新規参入者および小規模オペレータにとっての採用の主な障壁のままである。