MétaCan
Menu
Retour à la cohorte
Enregistrement W2347149873 · doi:10.1109/tcc.2016.2564405

Energy Efficiency Using Cloud Management of LTE Networks Employing Fronthaul and Virtualized Baseband Processing Pool

2016· article· en· W2347149873 sur OpenAlexaff
Anwer Al‐Dulaimi, Saba Al–Rubaye, Qiang Ni

Notice bibliographique

RevueIEEE Transactions on Cloud Computing · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensExfo Electro-Optical Engineering (Canada)
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésComputer scienceRadio access networkComputer networkC-RANCloud computingCore networkBasebandDistributed computingBase stationOperating systemBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

The cloud radio access network (C-RAN) emerges as one of the future solutions to handle the ever-growing data traffic, which is beyond the physical resources of current mobile networks. The C-RAN decouples the traffic management operations from the radio access technologies, leading to a new combination of a virtualized network core and a fronthaul architecture. This new resource coordination provides the necessary network control to manage dense Long-Term Evolution (LTE) networks overlaid with femtocells. However, the energy expenditure poses a major challenge for a typical C-RAN that consists of extended virtualized processing units and dense fronthaul data interfaces. In response to the power efficiency requirements and dynamic changes in traffic, this paper proposes C-RAN solutions and algorithms that compute the optimal backup topology and network mapping solution while denying interfacing requests from low-flow or inactive femtocells. A graph-coloring scheme is developed to label new formulated fronthaul clusters of femtocells using power as the performance metric. Additional power savings are obtained through efficient allocations of the virtualized baseband units (BBUs) subject to the arrival rate of active fronthaul interfacing requests. Moreover, the proposed solutions are used to reduce power consumption for virtualized LTE networks operating in the Wi-Fi spectrum band. The virtualized network core use the traffic load variations to determine those femtocells who are unable to transmit to switch them off for additional power savings. The simulation results demonstrate an efficient performance of the given solutions in large-scale network models.

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 enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,219 · 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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Cloud ComputingMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207