Key points are not available for this paper at this time.
Terrestrische Netzwerke bilden die grundlegende Infrastruktur moderner Kommunikationssysteme und bedienen weltweit mehr als 4 Milliarden Nutzer. Allerdings stehen terrestrische Netzwerke vor einer Vielzahl von Herausforderungen, von Abdeckung und Zuverlässigkeit bis hin zu Interferenzen und Überlastung. Da die Anforderungen der 6G-Ära voraussichtlich viel höher sein werden, ist es entscheidend, diese Herausforderungen anzugehen, um eine robuste und effiziente Kommunikationsinfrastruktur für die Zukunft sicherzustellen. Um diese Probleme zu lösen, hat sich das Nicht-terrestrische Netzwerk (NTN) als vielversprechende Lösung etabliert. NTNs sind Kommunikationsnetzwerke, die Luftfahrzeuge (z.B. unbemannte Luftfahrzeuge) und weltraumgestützte Fahrzeuge (z.B. Satelliten) nutzen, um ultra-zuverlässige Kommunikation und Konnektivität mit hohen Datenraten und geringer Latenz über expansive Regionen zu ermöglichen. Dieser Artikel zielt darauf ab, eine umfassende Übersicht über die Nutzung von Network Slicing, Künstlicher Intelligenz/Maschinenlernen (AI/ML) und Open Radio Access Network (ORAN) zu geben, um die vielfältigen Herausforderungen von NTNs aus der Perspektive sowohl der Akademie als auch der Industrie anzugehen. Insbesondere bieten wir zunächst ein vertieftes Tutorial zu NTN und den Schlüsseltechnologien wie Network Slicing, AI/ML und ORAN. Anschließend geben wir eine umfassende Übersicht darüber, wie Network Slicing und AI/ML genutzt wurden, um die Herausforderungen zu überwinden, vor denen NTNs stehen. Darüber hinaus präsentieren wir, wie ORAN für NTNs genutzt werden kann. Schließlich heben wir wichtige Herausforderungen, offene Fragen und zukünftige Forschungsrichtungen von NTN in der 6G-Ära hervor.
Nguyen et al. (Di,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: