Сверхнадежная связь с малой задержкой в сетях 5G

Одним из ключевых отличий сетей 5G от используемых на сегодняшний день сетей 4G является возможность обеспечения принципиально нового сервиса сверхнадежной связи с малой задержкой (англ. Ultra-Reliable Low-Latency Communications, URLLC). Предоставление сервиса URLLC означает, что сеть обеспечивает доставку данных с низкой задержкой и чрезвычайно высокой надежностью. Такие характеристики передачи необходимы для целого ряда существующих приложений (например, автоматизация сложных производственных процессов, управление роботами), а также приложений, появление которых ожидается в ближайшем будущем (интеллектуальные транспортные системы, управление группой беспилотных автомобилей, удаленное проведение хирургических операций, передача тактильных ощущений на расстоянии и др.).

Спецификации сетей 5G содержат ряд механизмов и технических решений, необходимых для поддержки сервиса URLLC. Однако существует множество открытых задач, связанных с разработкой алгоритмов адаптивного выбора используемых механизмов и их параметров для обеспечения сервиса URLLC в зависимости от сценария, числа устройств в сети, генерируемого ими трафика и требований конкретных приложений на задержку и надежность доставки данных.

В рамках проекта РНФ коллектив Лаборатории беспроводных сетей разработал целый ряд алгоритмов и решений, необходимых для обеспечения сервиса URLLC. Были предложены алгоритмы выбора прекодера и СКК на основе векторной авторегрессионной модели предсказания канала, позволяющие снизить потребление канальных ресурсов до 5 раз. Разработаны алгоритмы выбора СКК, планирования радиоресурсов и разделения пользователей на группы, что позволяет до трех раз увеличить емкость сети для многоадресного URLLC-трафика. Создан адаптивный алгоритм для выбора параметров передачи в восходящем канале при обслуживании URLLC-трафика с помощью метода доступа без запроса полосы, который увеличивает емкость сети до двух раз по сравнению с существующими решениями. Предложен алгоритм ALPACA, использующий нейронные сети для предсказания будущего состояния канала, что повышает емкость сети URLLC-трафика до 40%. Разработан алгоритм совместного обслуживания URLLC-трафика и широкополосного трафика в нисходящем канале с использованием технологии пространственного мультиплексирования MU-MIMO, который позволяет увеличить до 50% покрытие URLLC-пользователей и до 60% пропускную способность пользователей широкополосного трафика. Для восходящего канала создан алгоритм динамического мультиплексирования URLLC-трафика и широкополосного трафика, повышающий пропускную способность широкополосного трафика более чем в два раза при выполнении требований к качеству обслуживания URLLC-трафика. Предложена гибридная схема назначения канальных ресурсов для обслуживания URLLC-трафика с переменным размером пакетов, для которой разработана аналитическая модель, позволяющая выбрать оптимальные параметры и повысить емкость сети до двух раз по сравнению с существующими решениями.