MétaCan
Menu
Retour à la cohorte
Enregistrement W2072693007 · doi:10.1109/glocomw.2011.6162334

LTE relay backhaul design for sparsely-populated environments

2011· article· en· W2072693007 sur OpenAlexaff
Philippe Sartori, Aaron Callard, Zhong‐Feng Li, Zhengwei Gong, Anthony C. K. Soong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésControl channelBackhaul (telecommunications)Computer networkTelecommunications linkNetwork packetComputer scienceRelayNode (physics)Channel (broadcasting)EngineeringBase station

Résumé

récupéré en direct d'OpenAlex

In the latest release of the Long Term Evolution (LTE) standards, which will be completed in September 2011, it was decided to standardize relay nodes (RN) for the purpose of improving coverage. This makes RNs very suitable tools for increasing the coverage of low population density areas. The RN is a new type of node that was not previously standardized in 3GPP before and, as such, created new challenges. In particular, for RN, the backhaul link (connecting the enhanced Node B (eNB) and the RN) needs to be defined, and both uplink and downlink grants need to be conveyed to the RNs, either using existing channels (e.g., the Packet Dedicated Control Channel (PDCCH)), or a new channel (commonly referred to as the Relay-PDCCH (R-PDCCH)). In this paper, we discuss both channels for the Frequency Division Duplex (FDD) mode and show that using a R-PDCCH is a more efficient channel. In addition, several features are provided to ensure good performance for the R-PDCCH, such as robust use of frequency diversity by transmitting the R-PDCCH using Distributed Virtual Resource Blocks (DVRBs), or use of rate-matching to ensure optimal usage of the allocated resources for R-PDCCH transmission. This robustness is considered necessary to ensuring good reliability for sparsely populated areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,277
Tête enseignante GPT0,279
Écart entre enseignants0,001 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network CodingTravaux en français237 207