A Context-Aware Cognitive SIMO DL Transceiver for LTE HetNet Power Efficiency and Throughput Enhancement
Notice bibliographique
Résumé
In this paper, we propose a new single-input multiple-output (SIMO) context-aware cognitive transceiver (CTR) that is able to switch to the best performing modem in terms of link-level throughput and allows to decrease macro transmission power without loosing performances. On the top of conventional adaptive modulation and coding (AMC), we allow the context-aware CTR to make best selection among three different pilot-utilization modes: conventional data-aided (DA) or pilot-assisted, non-DA (NDA) or blind, and NDA with pilot which is a newly proposed hybrid version between the DA and NDA modes. We also enable the CTR to make best selection between two different channel identification schemes: conventional least-squares (LS) and newly developed maximum-likelihood (ML) estimators. Depending on whether pilot symbols can be properly exploited or not at the receiver, we further enable the CTR to make best selection among two data detection modes: coherent or differential. It will be seen that using our new cognitive transceiver allows to 1) decrease acro transmission power to the half (typically from 40 to 20 Watts), and 2) achieve an average throughput gain as high as 140% and a 5thpercentile throughput gain reaching 230% for pico-cells in case of low UE's clustering distributions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».