Throughput and cost‐efficient interference cancelation strategies for the downlink of spectrum‐sharing Long Term Evolution heterogeneous networks
Notice bibliographique
Résumé
Abstract In a heterogeneous network (HetNet), small cells such as femtocells considered in this work are deployed jointly with macrocells. This new cells' layer, when added to the network, generates interference, which could hamper neighboring macro‐user equipment (MUE) and femto‐user equipment (FUE) transmissions. In fact, this interference results in degradation of the network performance. In this paper, we propose a downlink interference cancelation (DL‐IC) strategy for spectrum‐sharing Long Term Evolution (LTE) HetNet. This DL‐IC strategy aims to reduce the interference impact on users by optimizing their received signal to interference plus noise ratio (SINR) using new utility functions for both FUEs and MUEs. These utility functions allow relaxation of the cancelation ratios in order to reduce implementation complexity while maximizing SINR, QoS, and throughput. We support by different system‐level simulations that both global network performance and user experience in terms of total throughput and received SNR or link‐level throughput, respectively, are significantly enhanced. Throughput gains achievable by the new DL‐IC strategy can reach as much as 200 % against a homogeneous LTE network without IC along with an extra 48 % per additional femtocell base station against a basic spectrum‐sharing LTE HetNet without IC. These performance figures are shown to surpass those achieved by interference avoidance techniques using either power or frequency resource allocation. Copyright © 2014 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».