Scalable Signal Processing in Cloud Radio Access Networks

این Springerbreif یک رویکرد کوتاه‌سازی کانال مبتنی بر آستانه را معرفی می‌کند، و سپس، پراکندگی برای آموزش کانال مقیاس‌پذیر مورد سوء استفاده قرار می‌گیرد. آخرین اما نه کم اهمیت، این مختصر دو الگوریتم تشخیص سیگنال مشارکتی مقیاس پذیر در C-RAN ها را معرفی می کند. نویسندگان مایلند فعالیت‌های تحقیقاتی جدیدی را در مورد سؤال مهم زیر تحریک کنند: چگونه می‌توان از معماری انقلابی C-RAN برای دستیابی به ظرفیت سیستم بی‌سابقه با هزینه و پیچیدگی مقرون‌به‌صرفه استفاده کرد.

شبکه دسترسی رادیویی ابری (C- RAN) یک معماری جدید شبکه تلفن همراه است که در شبکه های بی سیم آینده مانند 5G اهمیت زیادی دارد. چگالی بالای هدهای رادیویی راه دور در C-RAN منجر به مشکلات مقیاس پذیری شدید از نظر پیچیدگی های محاسباتی و پیاده سازی می شود. این Springerbrief یک مطالعه جامع در مورد پردازش سیگنال مقیاس‌پذیر برای C-RAN انجام می‌دهد، جایی که «مقیاس‌پذیر» به این معنی است که پیچیدگی‌های محاسباتی و پیاده‌سازی با اندازه شبکه به سرعت رشد نمی‌کنند.

این Springerbrief برای محققان و متخصصان هدف قرار خواهد گرفت. کار در زمینه شبکه دسترسی رادیویی ابری (C-Ran) و همچنین دانشجویان سطح پیشرفته در حال تحصیل در رشته مهندسی برق.

This Springerbreif introduces a threshold-based channel sparsification approach, and then, the sparsity is exploited for scalable channel training. Last but not least, this brief introduces two scalable cooperative signal detection algorithms in C-RANs. The authors wish to spur new research activities in the following important question: how to leverage the revolutionary architecture of C-RAN to attain unprecedented system capacity at an affordable cost and complexity.

Cloud radio access network (C-RAN) is a novel mobile network architecture that has a lot of significance in future wireless networks like 5G. the high density of remote radio heads in C-RANs leads to severe scalability issues in terms of computational and implementation complexities. This Springerbrief undertakes a comprehensive study on scalable signal processing for C-RANs, where ‘scalable’ means that the computational and implementation complexities do not grow rapidly with the network size.

This Springerbrief will be target researchers and professionals working in the Cloud Radio Access Network (C-Ran) field, as well as advanced-level students studying electrical engineering.