Green cell association for multimedia transmission in cognitive heterogeneous networks
Notice bibliographique
Résumé
SUMMARY With the introduction of low‐powered pico/femto‐base stations and relay nodes into the macro‐cell, recent heterogeneous networks provide an attractive approach for future wireless communication. Although it may achieve better coverage and higher capacity, several problems remain unsolved before practical deployment. For example, how to select the proper cell from neighbor low‐powered cells and then occupy the radio resource without interference on macro‐users is both important and challenging, especially for rigorous multimedia applications. The traditional cell access algorithms and quality‐control parameters such as delay or throughput no longer suit well in this complex environment. An effective approach should be pursued. In this paper, we investigate this interesting cell association problem and propose a complete green resolution on the basis of thorough discussions about the multimedia transmission under these concerns. Cognitive radio is introduced to share spectrum between macro‐cell and low‐powered cells while securing the transmission of authorized macro‐users. We also bring forth the concept of ‘interference balance’ to better manage the overall interference and energy consumption in the network. Restless bandit model is formulated on the basis of channel state, data rate, interference control, and the carefully chosen intra‐refreshing rate for multimedia traffic. Then the cell association scheme is designed to be efficient and practical because of the simple index property of our model output. Simulation results have proven the performance of our proposed resolution compared with existing algorithms on interference constraint, multimedia distortion, and overall network energy consumption balance. Copyright © 2013 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 | 0,001 |
| 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 ».