DOI QR코드

DOI QR Code

Unlicensed Band Traffic and Fairness Maximization Approach Based on Rate-Splitting Multiple Access

전송률 분할 다중 접속 기술을 활용한 비면허 대역의 트래픽과 공정성 최대화 기법

  • Received : 2023.03.02
  • Accepted : 2023.05.31
  • Published : 2023.10.31

Abstract

As the spectrum shortage problem has accelerated by the emergence of various services, New Radio-Unlicensed (NR-U) has appeared, allowing users who communicated in licensed bands to communicate in unlicensed bands. However, NR-U network users reduce the performance of Wi-Fi network users who communicate in the same unlicensed band. In this paper, we aim to simultaneously maximize the fairness and throughput of the unlicensed band, where the NR-U network users and the WiFi network users coexist. First, we propose an optimal power allocation scheme based on Monte Carlo Policy Gradient of reinforcement learning to maximize the sum of rates of NR-U networks utilizing rate-splitting multiple access in unlicensed bands. Then, we propose a channel occupancy time division algorithm based on sequential Raiffa bargaining solution of game theory that can simultaneously maximize system throughput and fairness for the coexistence of NR-U and WiFi networks in the same unlicensed band. Simulation results show that the rate splitting multiple access shows better performance than the conventional multiple access technology by comparing the sum-rate when the result value is finally converged under the same transmission power. In addition, we compare the data transfer amount and fairness of NR-U network users, WiFi network users, and total system, and prove that the channel occupancy time division algorithm based on sequential Raiffa bargaining solution of this paper satisfies throughput and fairness at the same time than other algorithms.

다양한 서비스가 등장으로 인해 스펙트럼 부족 문제가 가속하됨에 따라, 면허 대역에서 통신하던 사용자들을 비면허 대역에서 통신하는 NR-U(New Radio-Unlicensed)가 등장하였다. 하지만 NR-U 네트워크 사용자로 인해 동일한 비면허 대역에서 통신하는 Wi-Fi 네트워크 사용자의 성능이 감소하게 된다. 본 논문에서는 NR-U 네트워크 사용자와 WiFi 네트워크 사용자가 공존해있는 비면허 대역의 처리량과 비면허 대역의 사용에 대한 공평성을 동시에 최대화하는 것을 목표로 한다. 먼저 비면허 대역에서 전송률 분할 다중 접속 기술을 활용한 NR-U 네트워크의 합-전송 속도 (Sum of Rate)를 최대화하기 위해 강화 학습의 몬테 카를로 정책 하강법(Monte Carlo Policy Gradient)을 활용한 최적의 전력 할당 기법을 제안하였다. 그 뒤, 동일한 비면허 대역에서 NR-U 네트워크와 WiFi 네트워크의 공존을 위해 시스템 처리량과 공정성을 동시에 최대화할 수 있는 게임 이론의 순차적 라이파 협상 해법(Sequential Raiffa Bargaining Solution)을 활용한 채널 점유 시간 분할 알고리즘을 제안하였다. 시뮬레이션 결과에서 동일한 전력 할당 기법을 사용하였을 때, 본 논문에서 제안한 전송률 분할 다중 접속 기술이 기존의 다중 접속 기술들보다 더 빠른 합-전송속도를 보임을 확인하였다. 또한 비면허 대역 네트워크의 전송량과 공평성을 비교해본 결과 본 논문의 순차적 라이파 협상 해법을 활용한 채널 점유 시간 분할 알고리즘이 타 알고리즘보다 처리량과 공정성을 동시에 만족함을 입증하였다.

Keywords

Acknowledgement

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터 지원사업(IITP-2023-2018-0-01799)과 2023년도 정부(과학기술정보통신부)의 재원으로 한국연구재단 기본연구 사업의 지원을 받아 수행된 연구임(No.2021R1F1A1045472).

References

  1. Cisco, Cisco Annual Internet Report. Cisco Annual Internet Report (2018-2023) White Paper [Internet], https://www.cisco. com/c/en/us/solutions/collateral/executive-perspectives/annual-internet-report/white-paper-c11-741490.html
  2. 3GPP TS 36.213 V13.0.1, Evolved universal terrestrial radio access (E-UTRA) physical layer procedures (Release 13), 3GPP, 2016.
  3. M. Le, Q. V. Pham, H. C. Kim, and W. J. Hwang, "Enhanced resouce allocation in D2D communications with NOMA and unlicensed spectrum," IEEE System Journal, Vol.16, No.2, pp.2856-2866, 2022. https://doi.org/10.1109/JSYST.2021.3136208
  4. M. Alsabah et al., "6G wireless communications networks: A comprehensive survey," IEEE Access, Vol.9, pp.148191-148243, 2021. https://doi.org/10.1109/ACCESS.2021.3124812
  5. S. Gamal, M. Rihan, S. Hussin, A. Zaghloul, and A. A. Salem, "Multiple access in cognitive radio networks: From orthogonal and non-orthogonal to rate-splitting," IEEE Access, Vol.9, pp.95569-95584, 2021.
  6. W. Trockel, "Axiomatization of the discrete Raiffa solution," Economic Theory Bulletin, Vol.3, No.1, pp.9-17, 2014. https://doi.org/10.1007/s40505-014-0046-4
  7. W. Trockel, "An exact non-cooperative support for the sequential Raiffa solution," Journal of Mathematical Economics, Vol.47, No.1, pp.77-83, 2011. https://doi.org/10.1016/j.jmateco.2010.08.011
  8. R. S. Sutton and A. G. Barto, "Reinforcement learning: An introduction," Cambridge, MA: MIT Press, 2018.
  9. H. He, H. Shan, A. Huang, L. X. Cai, and T. Q. Quek, "Proportional fairness-based resource allocation for LTE-U coexisting with Wi-Fi," IEEE Access, Vol.5, pp.4720-4731, 2016.
  10. N. Q. Hieu, D. T. Hoang, D. Niyato, and D. I. Kim, "Optimal power allocation for rate splitting communications with deep reinforcement learning," IEEE Wireless Communications Letters, Vol.10, No.12, pp.2820-2823, 2021. https://doi.org/10.1109/LWC.2021.3118441
  11. R. Jain, D. Chiu, and W. Hawe, "A quantitative measure of fairness and discrimization for resource allocation in shared computer systems," Digital Equipment Corporation, Sep. 1984.