Core Concepts
체내 하위 네트워크에서 XR 애플리케이션을 지원하기 위한 최적의 서브밴드 할당 알고리즘 식별
Abstract
이 연구는 체내 하위 네트워크(IBS)에서 XR 애플리케이션을 지원하기 위한 서브밴드 할당 알고리즘의 성능을 비교 분석합니다.
먼저, IBS 네트워크를 모델링하는 방법을 제안합니다. IBS는 스마트폰(AP 및 XR 애플리케이션 서버 역할)과 XRDD(확장 현실 디스플레이 장치)로 구성됩니다. 이들은 Thomas 클러스터 프로세스에 따라 무작위로 배치됩니다.
다음으로, 그리디 선택, 순차적 그리디 선택(SG), 중앙 집중식 그래프 컬러링(CGC), 순차적 반복 서브밴드 할당(SISA) 등 다양한 서브밴드 할당 알고리즘의 성능을 평가합니다. 시뮬레이션 결과, SISA와 SG 알고리즘은 CGC 대비 최대 75% 더 높은 IBS 밀도를 지원할 수 있습니다.
또한 각 알고리즘의 신호 오버헤드를 분석합니다. SISA와 CGC는 중앙 제어기에 측정값을 보고해야 하므로 더 높은 오버헤드가 발생합니다. 반면 그리디와 SG는 분산 방식으로 동작하여 상대적으로 낮은 오버헤드를 보입니다.
결론적으로, IBS는 XR 애플리케이션을 지원할 수 있는 플랫폼이지만 초밀집 배치를 지원하기 위해서는 자원 할당 알고리즘의 추가 개선이 필요합니다.
Stats
체내 하위 네트워크(IBS) 밀도가 7.5 x 10^4 IBS/km^2에서 25 x 10^4 IBS/km^2로 증가할 때, SISA와 SG 알고리즘은 CGC 대비 최대 75% 더 높은 IBS 밀도를 지원할 수 있습니다.
전송 시간 간격(TTI) 시간이 5ms에서 10ms로 증가할 때, 모든 서브밴드 할당 알고리즘의 패킷 오류율(PER)이 증가합니다.
서브밴드 수(K)가 15개 이상으로 증가하면 모든 알고리즘의 PER이 다시 증가합니다.
Quotes
"체내 하위 네트워크(IBS)는 확장 현실(XR) 애플리케이션을 지원하기 위한 신뢰할 수 있는 무선 연결성을 제공할 것으로 예상됩니다."
"체내 하위 네트워크의 배치는 본질적으로 제어할 수 없기 때문에, 동적 무선 자원 할당 체계가 체내 하위 네트워크의 성능에 매우 중요합니다."