MétaCan
Menu
Retour à la cohorte
Enregistrement W2052169157 · doi:10.1109/icc.2013.6655375

Cross-tier interference mitigation in Femto-macro cellular architecture in downlink

2013· article· en· W2052169157 sur OpenAlexaff
Rizwan Ghaffar, Pin‐Han Ho

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMacrocellFemtocellUnderlayComputer scienceFemto-Telecommunications linkInterference (communication)Computer networkMacroBase stationConstellationBandwidth (computing)Reinforcement learningTelecommunicationsChannel (broadcasting)Signal-to-noise ratio (imaging)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Deployment of femtocells faces a significant challenge emanating from the interference from the overlay of macros to the underlay of femtos. This paper focuses on the mitigation of this cross-tier interference in the downlink by limited coordination between femtocells and macrocell. Contesting the natural strategy of orthogonalized transmission thereby eliminating the interference, we propose a spectrum splitting strategy which is based on coordinating this cross-tier interference in a way that the resultant interference is effectively exploited thereby improving the system performance. The problem is posed as a single-agent control problem. Macro base station (BS) is an agent that dynamically swaps its macro users/constellations on its bandwidth to manage the interfering constellations that it produces to its femtocell users. The agent learns the optimal interfering constellation strategy using information from its femto BSs using reinforcement-learning with a Q-learning implementation. Simulation results illustrate the sum rate gain brought about by the proposed strategy of managing interfering constellations for their subsequent exploitation.

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 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,005
Tête enseignante GPT0,213
Écart entre enseignants0,208 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207