Device-centric radio access virtualization for 5G networks
Notice bibliographique
Résumé
In this paper, we introduce a virtualized device-centric radio access architecture for future fifth-generation (5G) mobile networks. Radio access networks (RAN)s have traditionally relied on Voronoi tessellations of cells, created by a careful deployment of access nodes, to enable spatial frequency reuse over those cells. With the trend firmly set to decouple the control- and user-planes for next-generation 5G mobile networks, we foresee radio access technology breaking away from the concept of cells and embracing a virtualized device-centric architecture. The aim for this paradigm shift is to meet the stringent quality of service (QoS) requirements of densely populated networks irrespective of users' physical proximity to the access nodes. Focusing on downlink user-plane (U-plane) virtualization, this paper proposes a device-centric hyper-transceiver (HT) design that capitalizes on group-to-group (G2G) communications between virtual multipoint transmission and reception nodes and proactively optimizes both sets of virtual nodes via dynamic point selection (DPS) enabled by cloud-RAN (CRAN) architecture and semi-static network-assisted receiver cooperation enabled by device-to-device (D2D) short-range communications, respectively. Using a full-fledged event-based system level simulator compliant with the 3rdgeneration partnership project (3GPP) long-term evolution advanced (LTE-Adv) specifications, our results show that the proposed virtualized U-plane architecture provides more than 50% average throughput and 200% coverage gains over LTE-A Release 11 baseline under some typical simulation scenarios.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».