当前位置: 首页 > article >正文

空间物联网中的大规模接入:挑战、机遇和未来方向

这篇论文的标题是《Massive Access in Space-based Internet of Things: Challenges, Opportunities, and Future Directions》,作者包括Jian Jiao, Shaohua Wu, Rongxing Lu, 和 Qinyu Zhang。文章发表在2021年10月的IEEE Wireless Communications上。论文主要探讨了第五代(5G)移动网络和卫星通信集成在空间物联网(Space-based Internet of Things, S-IoT)中的融合,以及这一融合如何成为5G之后以及6G发展的关键方向。

主要内容概述:

  1. 摘要(AbstrAct):

    • 论文提出了S-IoT作为移动通信的必然发展趋势,预计将在构建天地一体化的信息基础设施网络中发挥重要作用。
    • 论文讨论了S-IoT面临的主要挑战,包括用户设备数量的大幅增长对传统多址接入技术的重新思考。
  2. 引言(IntroductIon):

    • 论文介绍了5G作为人类互联网到万物互联网的起点,以及5G如何通过增强移动宽带(eMBB)、超可靠低延迟通信(uRLLC)和海量机器类型通信(mMTC)来推动宽带多址接入的能力。
    • 指出地面网络覆盖不足,难以提供无处不在的连接和按需多址接入服务,如智能农业、自然灾害预防、气候监测和智能交通系统等。
  3. S-IoT的动态拓扑(dynAmIc topology of s-Iot networks):

    • 论文讨论了即将到来的大型LEO(低地球轨道)星座项目,如Starlink、OneWeb和Telesat等,这些项目发射了数千颗LEO毫米波(mmWave)高通量卫星(HTS),与地面基础设施合作实现S-IoT网络。
  4. mMTC中的短数据包通信(short pAcket communIcAtIons In mmtc):

    • 论文探讨了mMTC以上行短数据包传输为主,HTS应同时为大量UE提供上行mMTC服务,S-IoT可以执行随机接入以减少控制开销。
  5. 拥挤场景中的大规模接入(mAssIve Access In A crowded scenArIo):

    • 论文讨论了未来S-IoT应用预计将指数级增长的UE数量,这对S-IoT网络提供大规模短数据包的连通性提出了严峻挑战。
  6. S-IoT中大规模接入的关键技术(the key technologIes for mAssIve Access In s-Iot):

    • 论文介绍了三种与NOMA(非正交多址接入)相关的技术来解决上述S-IoT大规模接入的挑战,包括智能混合NOMA传输、叠加试点NOMA(SP-NOMA)和多时隙试点分配(MSPA)随机接入协议。
  7. 结论(conclusIon):

    • 论文总结了大规模接入通信作为未来S-IoT网络的关键使能技术的重要性,并指出实现S-IoT中大规模接入的实际实施仍面临基本挑战。

http://www.kler.cn/a/301995.html

相关文章:

  • Apache Paimon、Apache Hudi、Apache Iceberg对比分析
  • VoIP是什么?
  • 昆明华厦眼科医院举办中外专家眼科技术研讨会
  • git命令提交项目
  • nVisual自定义工单内容
  • 表的数据结构和常见操作
  • 基于 onsemi NCV78343 NCV78964的汽车矩阵式大灯方案
  • Linux下进程间的通信--共享内存
  • 计算机视觉的应用33-基于双向LSTM和注意力机制融合模型的车辆轨迹预测应用实战
  • 五分钟让你学会threeJS
  • git 远程分支同步本地落后的有冲突的分支
  • Redis常用操作及springboot整合redis
  • web基础之文件上传
  • Kotlin 中的 `flatMap` 方法详解
  • wifiip地址可以随便改吗?wifi的ip地址怎么改变
  • Brave编译指南2024 Windows篇:安装Git(四)
  • FloodFill算法
  • 语言模型微调:提升语言Agent性能的新方向
  • HarmonyOS开发之使用Picker(从相册选择图片),并且通过Swiper组件实现图片预览
  • Day11笔记-字典基本使用系统功能字典推导式
  • 自定义spring security的安全表达式
  • Numpy中random.seed()函数的使用
  • librdkafka Windows编译
  • 【python因果推断库9】工具变量回归与使用 pymc 验证工具变量2
  • Mac强制删除文件,碰上“拖拽到废纸篓”无法删除时怎么办?
  • 企业供需波动计算数据(2007-2022年)