Multichannel Analysis of Cell Range Expansion and Resource Partitioning in Two-Tier Heterogeneous Cellular Networks
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.
Notice bibliographique
Résumé
Cellular heterogeneous networks (HetNets) can improve capacity by offloading users from congested macro cells to lightly loaded small cells through biased association known as cell range expansion (CRE). However, the offloaded (range-expanded) users must be protected from macro interference through time/frequency resource partitioning. In this paper, we develop an analytical framework to evaluate the performance gain due to CRE further supported by resource partitioning in two-tier (macro-pico) networks with multichannel downlinks, e.g., those based on orthogonal frequency division multiple access (OFDMA). By exploiting the flexibility in subchannel allocation offered by OFDMA, frequency-domain resource partitioning is proposed in which the macro tier is muted on a fraction of total subchannels, which are allocated exclusively to range-expanded pico users. The load perceived by a base-station is a key factor in determining its interference contribution over the network and is directly affected by user offloading and resource partitioning. Thus, the analysis of such systems must incorporate cell load. While previous studies mostly rely on full-load assumption, in this paper, we properly characterize cell load as the function of user density, association bias and resource partitioning fraction. We then, evaluate the performance in terms of average user data rate over the entire network, and also investigate the optimal choice of association bias and resource partitioning fraction.
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 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 | 0,001 |
| 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 découle