عنوان مقاله:

اینترنت اشیا نسل ششم (6G): یک نظرسنجی جامع

6G Internet of Things: A Comprehensive Survey

سال انتشار: 2022

رشته: مهندسی فناوری اطلاعات - فناوری اطلاعات و ارتباطات

گرایش: اینترنت و شبکه های گسترده - شبکه های کامپیوتری - مخابرات سیار - دیتا و امنیت شبکه

دانلود رایگان این مقاله:

دانلود مقاله اینترنت اشیا 6G

مشاهده سایر مقالات جدید:

مقالات ISI مهندسی فناوری اطلاعات

مقالات ISI فناوری اطلاعات و ارتباطات

2. 6G and internet of things

 VISION AND REQUIREMENTS In this section, we discuss the vision of 6G and IoT. The requirements of 6G-IoT networks are also highlighted.A. 6G Driven by the unprecedented proliferation of mobile devices and the exponential growth of mobile traffic, wireless communication technologies have rapidly developed in recent years as a key enabler for future customer services and applications. Although the 5G network has been proven to enhance QoS over previous generations, it will be challenging to fully meet the newly emerging requirements of future IoT services [16]. More specifically, it can be foreseen that 5G networks will be unable to accommodate the tremendous volume of mobile traffic in 2030 and beyond. Due to the popularity of rich-video applications, enhanced screen resolution, machine-to-machine (M2M) communications, mobile edge services, etc., the global mobile traffic will grow exponentially, up to 5016 exabyte (EB) per month in the year of 2030 compared with 62 EB per month in 2020 [18]. The traffic demand per mobile broadband (MBB) also increases rapidly due to the growth of smartphones and tablets and the proliferation of mobile data services. For example, there is a need for new mobile communication technologies to support video services, such as Youtube, Netflix, and recently Tik-Tok since video data traffic accounts for two-thirds of all mobile traffic nowadays and continues to grow in the coming years [18]. Moreover, the rapid development of data-centric intelligent systems exposes new latency limitations of 5G wireless systems. For example, the 5G air interface delay of less than 1 ms is inadequate to support haptic Internet-based applications, such as autonomous driving (AV) or real-time healthcare assistance because the required delay is below 0.1 ms.

3. Fundamental technologies for 6G-IOT

In this section, the fundamental technologies that are envisioned to enable future 6G-IoT networks and applications are discussed. It is important to highlight that existing survey papers [14]–[18] mostly discuss enabling technologies for 6G wireless communication; we here focus on technologies which will directly support 6G-IoT, including edge intelligence, RISs, space–air–ground–underwater communications, THz communications, mURLLC, and blockchain, as illustrated in Fig. 4. A. Edge Intelligence In intelligent 6G systems, AI functions are extended to the network edge, thanks to the computational capabilities of edge nodes [37]. This leads to a new paradigm called edge intelligence [38], [39], which is envisioned by the convergence of AI, communications, and edge computation. Recently, some research efforts have been made to explore the potential of edge intelligence in 6G-IoT use cases. For instance, the work in [40] suggested a self-learning edge intelligence solution, aiming to identify and classify emerging unknown services from raw crowdsourcing data distributed across a wide geographical area with a case study in 6G-based vehicular networks. A latency-sensitive connected vehicular system is proposed that consists of six campus shuttles connected to two edge servers along with a mobile app to monitor the latency of wireless vehicular data transmission. A highly efficient edge intelligence approach is employed, by equipping each vehicle with an AI-based generative adversarial network. This is able to generate synthetic data that can be directly produced by the edge server, which helps reduce the data volume required to upload from the user and mitigate the total traffic transported throughout the network. However, the proposed self-learning architecture has not yet considered user mobility that can closely affect the latency in AI training among distributed vehicles. Moreover, the role of edge intelligence in 6G-IoT is also discussed in [41] where some dominant use cases are taken into account, such as autonomous driving. Edge intelligence is foreseen as a key enabler for dynamic spectrum access to provide fast and reliable AI-based data processing at the edge devices, e.g., platoons, vehicles on the street, and roadside units (RUSs). The benefits of edge intelligence are also considered for collaborative robots (or cobots) in smart manufacturing, with possible applied domains, such as automatic monitoring of machine health properties, autonomous or semi-autonomous navigation, and fine-grained control of cobots. Moreover, ubiquitous edge devices can run AI functions to offer large-scale edge intelligence services enabled by big data analytics [42]. In this context, the information asset characterized by high volume, velocity, and variety of big data is exploited to realize AI-based data analytics for its transformation into useful information to serve IoT users. Particularly, the 6G-based big data analysis technology can significantly enhance the large-scale data transmission and data computation rates based on advanced communication technologies, such as massive URLLC and space–air–ground–underwater communications. Along with edge computing, fog computing also allows for relieving the load on cloud servers by offering computation and storage at fog nodes close to the IoT devices for improving the QoS [43]. Fog nodes would be useful to incorporate idle and spare resources of all available devices to further enhance network efficiency, especially in distributed IoT networks where cloud computing cannot handle all users’ computation demands. Fog computing can be combined with AI techniques to realize fog intelligence for providing smart and low-latency IoT services in the future 6G era.

(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)

2. 6G و اینترنت اشیا

چشم انداز و الزامات در این بخش، چشم انداز 6G و IoT را مورد بحث قرار می دهیم. الزامات شبکه های 6G-IoT نیز برجسته شده است. 6G با تکثیر بی‌سابقه دستگاه‌های تلفن همراه و رشد تصاعدی ترافیک تلفن همراه، فناوری‌های ارتباطی بی‌سیم به‌سرعت در سال‌های اخیر به‌عنوان یک عامل کلیدی برای خدمات و برنامه‌های کاربردی مشتریان آینده توسعه یافته‌اند. اگرچه ثابت شده است که شبکه 5G کیفیت سرویس را نسبت به نسل‌های قبلی بهبود می‌بخشد، اما پاسخگویی کامل به الزامات جدید در حال ظهور خدمات اینترنت اشیاء آینده چالش برانگیز خواهد بود [16]. به طور خاص، می‌توان پیش‌بینی کرد که شبکه‌های 5G نمی‌توانند حجم عظیمی از ترافیک تلفن همراه را در سال 2030 و پس از آن تطبیق دهند. با توجه به محبوبیت برنامه های ویدیویی غنی، وضوح صفحه نمایش پیشرفته، ارتباطات ماشین به ماشین (M2M)، خدمات لبه موبایل و غیره، ترافیک جهانی موبایل به طور تصاعدی رشد خواهد کرد و تا 5016 اگزابایت (EB) در ماه در سال 2030 در مقایسه با 62 EB در ماه در سال 2020 [18]. تقاضای ترافیک برای هر پهنای باند تلفن همراه (MBB) نیز به دلیل رشد تلفن های هوشمند و تبلت ها و گسترش خدمات داده تلفن همراه به سرعت افزایش می یابد. به عنوان مثال، نیاز به فناوری‌های جدید ارتباطات سیار برای پشتیبانی از سرویس‌های ویدیویی مانند یوتیوب، نتفلیکس و اخیراً Tik-Tok وجود دارد، زیرا امروزه ترافیک داده‌های ویدیویی دو سوم کل ترافیک تلفن همراه را تشکیل می‌دهد و در سال‌های آینده نیز به رشد خود ادامه می‌دهد. [18]. علاوه بر این، توسعه سریع سیستم‌های هوشمند داده‌محور محدودیت‌های تأخیر جدیدی را در سیستم‌های بی‌سیم 5G نشان می‌دهد. به عنوان مثال، تأخیر رابط هوایی 5G کمتر از 1 میلی‌ثانیه برای پشتیبانی از برنامه‌های مبتنی بر اینترنت هپتیک، مانند رانندگی خودکار (AV) یا کمک مراقبت‌های بهداشتی بلادرنگ، کافی نیست، زیرا تأخیر مورد نیاز کمتر از 0.1 میلی‌ثانیه است.

3. فناوری‌های بنیادی برای 6G-IOT

در این بخش، فناوری‌های اساسی که برای فعال کردن شبکه‌ها و برنامه‌های کاربردی 6G-IoT آینده در نظر گرفته شده‌اند، مورد بحث قرار می‌گیرند. مهم است که تاکید شود که مقالات نظرسنجی موجود [14]-[18] بیشتر در مورد فن آوری های توانمند برای ارتباطات بی سیم 6G بحث می کنند. ما در اینجا بر روی فناوری‌هایی تمرکز می‌کنیم که مستقیماً از 6G-IoT پشتیبانی می‌کنند، از جمله هوش لبه، RIS، ارتباطات فضا-هوا-زمین-زیر آب، ارتباطات THz، mURLLC و بلاک چین، همانطور که در شکل 4 نشان داده شده است. الف. هوش لبه در 6G هوشمند سیستم‌ها، توابع هوش مصنوعی به لطف قابلیت‌های محاسباتی گره‌های لبه به لبه شبکه گسترش می‌یابند [37]. این منجر به پارادایم جدیدی به نام هوش لبه [38]، [39] می شود که با همگرایی هوش مصنوعی، ارتباطات و محاسبات لبه تصور می شود. اخیراً، برخی تلاش‌های تحقیقاتی برای کشف پتانسیل هوش لبه در موارد استفاده از 6G-IoT انجام شده است. به عنوان مثال، کار در [40] یک راه حل هوشمند لبه خودآموز را پیشنهاد کرد، با هدف شناسایی و طبقه بندی خدمات ناشناخته در حال ظهور از داده های جمع سپاری خام توزیع شده در یک منطقه جغرافیایی وسیع با مطالعه موردی در شبکه های خودرویی مبتنی بر 6G. یک سیستم خودروی متصل حساس به تأخیر پیشنهاد شده است که از شش شاتل پردیس متصل به دو سرور لبه همراه با یک برنامه تلفن همراه برای نظارت بر تأخیر انتقال داده های خودروی بی سیم تشکیل شده است. یک رویکرد هوشمند لبه بسیار کارآمد، با تجهیز هر وسیله نقلیه به یک شبکه متخاصم مولد مبتنی بر هوش مصنوعی، به کار گرفته شده است. این می‌تواند داده‌های مصنوعی را تولید کند که می‌تواند مستقیماً توسط سرور لبه تولید شود، که به کاهش حجم داده مورد نیاز برای آپلود از کاربر و کاهش کل ترافیک منتقل شده در سراسر شبکه کمک می‌کند. با این حال، معماری خودآموز پیشنهادی هنوز تحرک کاربر را در نظر نگرفته است که بتواند از نزدیک بر تأخیر آموزش هوش مصنوعی در میان وسایل نقلیه توزیع شده تأثیر بگذارد. علاوه بر این، نقش هوش لبه در 6G-IoT نیز در [41] مورد بحث قرار گرفته است که در آن برخی موارد استفاده غالب، مانند رانندگی مستقل، در نظر گرفته شده است. هوش لبه به‌عنوان یک عامل کلیدی برای دسترسی به طیف پویا پیش‌بینی می‌شود تا پردازش داده‌های مبتنی بر هوش مصنوعی سریع و قابل اعتماد را در دستگاه‌های لبه‌ای، مانند جوخه‌ها، وسایل نقلیه در خیابان، و واحدهای کنار جاده‌ای (RUS) فراهم کند. مزایای هوش لبه همچنین برای روبات‌های مشارکتی (یا cobots) در تولید هوشمند، با حوزه‌های کاربردی ممکن، مانند نظارت خودکار بر ویژگی‌های سلامت ماشین، ناوبری خودکار یا نیمه مستقل، و کنترل دقیق کوبات‌ها در نظر گرفته می‌شود. علاوه بر این، دستگاه‌های لبه‌ای که در همه جا حاضر هستند می‌توانند توابع هوش مصنوعی را اجرا کنند تا خدمات هوشمند لبه‌ای در مقیاس بزرگ را که توسط تجزیه و تحلیل داده‌های بزرگ فعال می‌شوند، ارائه دهند [42]. در این زمینه، دارایی اطلاعاتی که با حجم بالا، سرعت و تنوع داده های بزرگ مشخص می شود برای تحقق تجزیه و تحلیل داده های مبتنی بر هوش مصنوعی برای تبدیل آن به اطلاعات مفید برای خدمت به کاربران اینترنت اشیا مورد سوء استفاده قرار می گیرد. به ویژه، فناوری تجزیه و تحلیل کلان داده مبتنی بر 6G می تواند به طور قابل توجهی انتقال داده در مقیاس بزرگ و نرخ محاسبات داده را بر اساس فناوری های ارتباطی پیشرفته، مانند URLLC عظیم و ارتباطات فضا – هوا – زمین – زیر آب همراه با محاسبات لبه، محاسبات مه همچنین با ارائه محاسبات و ذخیره‌سازی در گره‌های مه نزدیک به دستگاه‌های IoT برای بهبود QoS، امکان کاهش بار روی سرورهای ابری را فراهم می‌کند [43]. گره های مه برای ترکیب منابع غیرفعال و یدکی همه دستگاه های موجود برای افزایش کارایی شبکه مفید هستند، به خصوص در شبکه های توزیع شده اینترنت اشیا که در آن رایانش ابری نمی تواند تمام نیازهای محاسباتی کاربران را برطرف کند. محاسبات مه را می توان با تکنیک های هوش مصنوعی ترکیب کرد تا هوش مه را برای ارائه خدمات اینترنت اشیا هوشمند و کم تاخیر در عصر 6G آینده محقق کند.