[论文解读] Cellular, Wide-Area, and Non-Terrestrial IoT: A Survey on 5G Advances and the Road Towards 6G

Mojtaba Vaezi, Amin Azari+5 more|arXiv (Cornell University)|Jul 7, 2021

Satellite Communication Systems被引用 10

一句话总结

本文全面综述了5G和6G在蜂窝、广域及非地面物联网（IoT）网络中的进展，重点关注能效、可靠性、低时延和可扩展性。文章提出无许可接入、非正交多址接入（NOMA）、先进信道编码（如极化码）以及设备端智能作为关键技术使能器，同时探讨了联邦学习和风险感知机器学习等人工智能驱动解决方案，以优化未来物联网的安全性和性能。

ABSTRACT

The next wave of wireless technologies is proliferating in connecting things among themselves as well as to humans. In the era of the Internet of things (IoT), billions of sensors, machines, vehicles, drones, and robots will be connected, making the world around us smarter. The IoT will encompass devices that must wirelessly communicate a diverse set of data gathered from the environment for myriad new applications. The ultimate goal is to extract insights from this data and develop solutions that improve quality of life and generate new revenue. Providing large-scale, long-lasting, reliable, and near real-time connectivity is the major challenge in enabling a smart connected world. This paper provides a comprehensive survey on existing and emerging communication solutions for serving IoT applications in the context of cellular, wide-area, as well as non-terrestrial networks. Specifically, wireless technology enhancements for providing IoT access in fifth-generation (5G) and beyond cellular networks, and communication networks over the unlicensed spectrum are presented. Aligned with the main key performance indicators of 5G and beyond 5G networks, we investigate solutions and standards that enable energy efficiency, reliability, low latency, and scalability (connection density) of current and future IoT networks. The solutions include grant-free access and channel coding for short-packet communications, non-orthogonal multiple access, and on-device intelligence. Further, a vision of new paradigm shifts in communication networks in the 2030s is provided, and the integration of the associated new technologies like artificial intelligence, non-terrestrial networks, and new spectra is elaborated. Finally, future research directions toward beyond 5G IoT networks are pointed out.

研究动机与目标

• 分析5G及更先进技术在实现大规模、可靠且节能的物联网连接中的作用。
• 识别无许可接入、NOMA和先进信道编码等关键技术使能器，以支持海量物联网接入。
• 探讨非地面网络（卫星、无人机）与未来物联网生态系统的集成。
• 研究人工智能，特别是联邦学习和风险感知学习，在提升物联网安全性和性能方面的作用。
• 展望2030年代6G赋能的物联网网络的未来研究方向。

提出的方法

• 提出无许可接入和信道编码技术，用于短包通信，以降低时延并提升可靠性。
• 综述非正交多址接入（NOMA）技术，以提升频谱效率并支持海量设备连接。
• 分析先进信道编码——LDPC、Turbo和极化码——在低信噪比和短包场景下的可靠性提升效果。
• 引入设备端智能和边缘人工智能，以减轻回传负载并提升实时决策能力。
• 探索联邦学习在跨物联网设备实现隐私保护的分布式模型训练中的应用。
• 研究使用非线性效用函数（如指数效用）的风险感知机器学习，以优化时延敏感型物联网应用中的最坏情况性能。

实验结果

研究问题

• RQ1 无许可接入和先进信道编码在大规模物联网网络中如何提升可靠性并降低时延？
• RQ2 NOMA和混合正交/非正交无线资源切片在物联网中支持超可靠低时延通信（URLLC）的潜力有多大？
• RQ3 联邦学习和设备端智能如何提升分布式物联网系统中的安全性和效率？
• RQ4 非地面网络（卫星、无人机）在实现全球物联网覆盖和可扩展性方面发挥什么作用？
• RQ5 风险感知机器学习模型如何提升无人机监控等时间敏感型物联网应用中的服务质量（QoS）？

主要发现

• 无许可接入和短包信道编码（如极化码）在大规模物联网接入场景中显著降低时延并提升可靠性。
• NOMA通过允许多个设备共享同一资源块，实现更高的频谱效率并支持海量连接。
• 联邦学习可在物联网设备间实现隐私保护的模型训练，降低通信开销并增强安全性。
• 采用指数效用函数的风险感知机器学习模型通过最小化指数时延的期望值，改善最坏情况性能，从而提升URLLC应用的可靠性。
• 非地面网络（卫星、无人机）的集成可将物联网覆盖扩展至偏远和灾害多发区域，实现全球连接。
• 物理不可克隆函数（PUFs）为数十亿物联网设备提供可扩展的硬件级认证和密钥管理，显著提升端到端安全性。