Probabilistic Analysis on QoS Provisioning for Internet of Things in LTE-A Heterogeneous Networks With Partial Spectrum Usage
Notice bibliographique
Résumé
This paper investigates quality of service (QoS) provisioning for Internet of Things (IoT) in long-term evolution advanced (LTE-A) heterogeneous networks (HetNets) with partial spectrum usage (PSU). In HetNets, the IoT users with ubiquitous mobility support or low-rate services requirement can connect with macrocells (MCells), while femtocells (FCells) with PSU mechanism can be deployed to serve the IoT users requiring high-data-rate transmissions within small coverage. Despite the great potentials of HetNets in supporting various IoT applications, the following challenges exist: 1) how to depict the unplanned random behaviors of the IoT-oriented FCells and cope with the randomness in user QoS provisioning and 2) how to model the interplay of resource allocation (RA) between MCells and FCells under PSU mechanism. In this work, the stochastic geometry (SG) theory is first exploited to statistically analyze how the unplanned random behaviors of the IoT-oriented FCells impact the user performance, considering the user QoS requirements and FCell PSU policy. Particularly, to satisfy the QoS requirements of different IoT user types, the concept of effective bandwidth (EB) is leveraged to provide the users with probabilistic QoS guarantee, and a heuristic algorithm named QA-EB algorithm is proposed to make the EB determination tractable. Then, the interplay of RA between the MCells and FCells is formulated into a two-level Stackelberg game, where the two parties try to maximize their own utilities through optimizing the macro-controlled interference price and the femto-controlled PSU policy. A backward induction method is proposed to achieve the Stackelberg equilibrium. Finally, extensive simulations are conducted to corroborate the derived SINR and ergodic throughput performance of different user types and demonstrate the Stackelberg equilibrium under varying user QoS requirements and spectrum aggregation capabilities.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».