Why are relays not always good for you? Performance of different relay deployment configurations in a heterogeneous network
Notice bibliographique
Résumé
In this paper, we study three scenarios of small-cell deployment in a heterogeneous network comprising a macro base station (MBS) and a set of small cells. The first scenario corresponds to wired backhauling and the remaining two scenarios correspond to two different ways of wireless backhauling. In one of the scenarios of wireless backhauling, the backhaul links have to compete with the user links for LTE channel resources (user-band relay scenario). In the other, an additional (mmWave) band is available exclusively for operating the backhaul links (dedicated-band relay scenario). For each of the scenarios, several different configurations based on channel allocation and node capabilities are considered. We formulate an optimization framework to model, dimension and evaluate all of these configurations. For user-band relay scenario, our results show that some configurations offer either negative or negligible throughput gains over the MBS-only case. By noting that any relay deployment's performance is upper-bounded by wired backhauling with sufficiently large capacity, the results also show that some other configurations offer very good throughput gains, with values very close to the upper-bound. The results highlight the importance of the right choice of configuration to justify the deployment of user-band relay nodes. Further, our results show that, for dedicated-band relay scenario, a small fraction of a typical mmWave bandwidth suffices to yield performance very close to the upper-bound.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».