Analysis of Spectrum Efficiency and Energy Efficiency of Heterogeneous Wireless Networks with Intra-/Inter-RAT Offloading
Notice bibliographique
Résumé
Offloading the users from capacity-strained macrocells in a cellular network to small cells is an effective strategy to support the increasing mobile data traffic, but a key challenge is how to simultaneously achieve high spectrum efficiency (SE) and energy efficiency (EE) in the heterogeneous radio access technology (RAT) environment. This paper develops an analytical framework for studying the performance of a two-RAT heterogeneous network (HetNet) comprising cellular and wireless local area network (WLAN) RATs. Using the developed framework, the feasibility of enhancing the SE and EE via the implementation of biased intra- and inter-RAT offloading techniques is investigated. Findings from the analysis reveal that the performance gain for SE and EE is strongly dependent on the load level and the base station (BS) power consumption attributes. A multiobjective optimization problem that maximizes the SE and EE subject to quality-of-service (QoS) constraints is formulated and solved to give the Pareto-optimal operational regime specified in terms of the small-cell BS densities and biasing factors. The novelty of this paper is the quantification of the SE-EE tradeoff as an opportunity cost measure, which is defined by the constrained Pareto-optimal regime. The insight gained from analyzing the opportunity cost is used to formulate a strategy that exploits the varying load conditions to achieve a good balance in the SE-EE tradeoff. Numerical results show that, although the potential to reduce the performance gap between SE and EE is marginal under low and high load conditions, it is feasible to significantly improve the network performance by balancing the SE-EE tradeoff during the medium load condition, as well as satisfy the users' QoS requirements by optimally adapting the small-cell BS density and offloading biasing factors.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».