MétaCan
Menu
Retour à la cohorte
Enregistrement W2012663563 · doi:10.1109/vtcfall.2014.6965881

Analysis of Practical Frequency Selective Scheduling Algorithms in LTE Networks

2014· article· en· W2012663563 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensAboriginal Affairs Northern Dev Canada
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOrthogonal frequency-division multiple accessScheduling (production processes)Orthogonal frequency-division multiplexingAlgorithmCoding (social sciences)Frequency-division multiple accessProportionally fairLimitingDynamic priority schedulingLTE AdvancedTelecommunications linkRound-robin schedulingReal-time computingComputer networkMathematical optimizationMathematicsEngineeringQuality of service

Résumé

récupéré en direct d'OpenAlex

The use of orthogonal frequency division multiple access (OFDMA) in Long Term Evolution (LTE) and LTE- Advanced systems facilitates the potential for scheduling cell users on orthogonal time-frequency resource blocks selectively. This paper identifies several frequency selective scheduling (FSS) algorithms and studies their performance and optimality under certain identified constraints in practice. The performance is studied under the limiting factors of cell load, user mobility, the number of users per cell, data traffic characteristics, and the LTE standards constraint of using a single modulation and coding scheme (MCS) across assigned resource blocks. To address the single MCS restriction, a dynamic Proportional Fair (PF) scheduling algorithm is developed to achieve optimal allocation under this constraint. The gain either in signal-to-interference-plus-noise ratio (SINR) or cell throughput achieved from these algorithms is statistically quantified using detailed LTE system level simulations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,765
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,250
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207