University of Oulu

Resource allocation for ultra-reliable and low-latency 5G communication

Saved in:
Author: Liu, Chen-Feng1,2
Organizations: 1University of Oulu Graduate School
2University of Oulu, Faculty of Information Technology and Electrical Engineering, Communications Engineering, CWC - Radio Technologies (CWC-RT)
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 2.1 MB)
Persistent link: http://urn.fi/urn:isbn:9789526230306
Language: English
Published: Oulu : University of Oulu, 2021
Publish Date: 2021-09-14
Thesis type: Doctoral Dissertation
Defence Note: Academic dissertation to be presented, with the assent of the Doctoral Training Committee of Information Technology and Electrical Engineering of the University of Oulu, for public defence in the Wetteri auditorium (IT115), Linnanmaa, on 21 September 2021, at 11 a.m.
Tutor: Associate Professor Mehdi Bennis
Reviewer: Professor Sergio Barbarossa
Professor Muhammad Ali Imran
Opponent: Associate Professor Gilberto Berardinelli
Description:

Abstract

Recently, emerging applications and services such as augmented/virtual reality, autonomous driving, and smart factory are enabled by 5G networks in which ultra-reliable low latency communication (URLLC) is a key enabler for mission-critical applications. The vast majority of URLLC system designs consider average latency or outage probability as a performance metric or quality-of-service requirement. However, focusing on an average-based system design is inadequate for ensuring reliability and latency guarantees in mission-critical applications. Instead, this requires further looking into higher-order statistics, characterization of the extreme event with a very low occurrence probability, or other worst-case metrics. Additionally, an efficient resource allocation is instrumental in enabling URLLC when the data traffic and wireless link quality are dynamic and non-deterministic.

In this thesis, we study the problems of power minimization in URLLC scenarios and propose dynamic resource allocation solutions in three different use cases which include multi-access edge computing (MEC), vehicular communication, and industrial Internet of things (IIoT). In the MEC study, we trade off allocated communication and computational resources for task offloading and local computation while alleviating the impact of delay threshold violation events. In the vehicular communication study, we minimize a network-wide maximal latency by allocating vehicles’ transmit power. In the IIoT investigation, we propose a joint resource allocation and data-updating policy, taking into account the freshness of the updated information and the information decoding error due to the finite blocklength transmission. Simulation results validate the effectiveness of the proposed resource allocation approaches and their superiority over several baselines.

see all

Tiivistelmä

Uudet sovellukset ja palvelut, kuten laajennettu tai virtuaalinen todellisuus, itsenäinen ajaminen ja älykkäät tehtaat, ovat mahdollisia 5G-verkkojen avulla. 5G-verkoissa ultraluotettava ja pienilatenssinen tiedonsiirto (URLLC) on ratkaiseva mahdollistaja tärkeiden sovellusten toiminnan kannalta. Suurin osa URLLC-järjestelmistä käyttää suunnittelussa keskiarvoista viivettä tai katkon todennäköisyyyttä suorituksen mittarina tai palvelun laadun (quality-of-service) vaatimuksena. Kuitenkaan käyttämällä keskiarvoisen järjestelmän suunnitteluarvoja ei pystytä takaamaan riittävä luotettavuus ja viive tärkeiden sovellusten toiminnassa. Sen sijaan on tarkasteltava korkeamman asteen tilastoja, karakterisoida äärimmäisiä tapahtumia hyvin matalalla todennäköisyydellä sekä muita huonoimpien tapausten mittareita. Tehokas resurssien jakaminen on myös oleellinen instrumentti URLLC-toimintojen mahdollistamisessa, kun tietoliikenteen ja langattoman yhteyden laatu on dynaaminen ja epädeterministinen.

Väitöstyössä käsitellään tehon minimointiin liittyviä ongelmia URLLC-skenaarioissa ja ehdotetaan dynaamisia resurssien jakoratkaisuja kolmessa eri käyttötapauksessa, joihin sisältyy moniliittymäinen reunalaskenta (MEC), ajoneuvoviestintä sekä teollinen esineiden internet (IIoT). MEC-tutkimuksessa vaihdamme jaettuja viestintä- ja laskentaresursseja tehtävien purkamista ja paikallista laskentaa varten samalla, kun vähennämme viiverajan ylittävien tapausten vaikutuksia. Ajoneuvoviestinnän tutkimuksessa minimoimme koko verkon välistä enimmäisviivettä jakamalla ajoneuvojen lähetystehoa. IIoT-tutkimuksessa ehdotamme yhteistä resurssien jaon ja tietojen päivityksen käytäntöä, joka ottaa huomioon päivitetyn tiedon ajantasaisuuden sekä rajallisesta lohkonpituuden tiedonsiirrosta johtuvan tietojen purkuvirheen. Simulaation tulokset vahvistavat ehdotettujen resurssien jakomenetelmien tehokkuuden ja niiden ylivertaisuuden useampaan perustasoon verrattuna.

see all

Series: Acta Universitatis Ouluensis. C, Technica
ISSN: 0355-3213
ISSN-E: 1796-2226
ISSN-L: 0355-3213
ISBN: 978-952-62-3030-6
ISBN Print: 978-952-62-3029-0
Issue: 796
Type of Publication: G4 Doctoral dissertation (monograph)
Field of Science: 213 Electronic, automation and communications engineering, electronics
Subjects:
Copyright information: © University of Oulu, 2021. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.