Guest Editorial: LTE in Unlicensed Spectrum
Notice bibliographique
Résumé
The articles in this special section focus on the deployment of Long Term Evolution in unlicensed spectrum. These articles cover various design issues such as network architecture, protocol development, network coexistence, unlicensed spectrum access, and practical implementation. Fifth generation (5G) cellular networks will face a rigorous challenge in the ever increasing data rate requirement. To meet such anticipated data growth demand, the industry and academia have developed many cutting edge techniques to improve spectrum utilization. However, the scarcity of spectral resources is still a fundamental bottleneck for network capacity enhancement. Recently, the rich available bandwidth on the 5.8 GHz unlicensed national information infrastructure (U-NII) spectrum has stimulated substantial interest from cellular operators to use the unlicensed spectrum for LTE. In 2015, the LTE-Unlicensed (LTE-U) Forum formally launched the LTE-U specification, and the Third Generation Partnership Project (3GPP) has pushed the standardization of licensed assisted access (LAA)into its Releases 13 and 14. However, the LTE-U technology is still in its infancy, and there are lots of challenges that need to be solved, such as network coexistence among different radio access technologies, unlicensed spectrum sharing and access, and quality of service (QoS) provision on unlicensed spectrum. This Feature Topic aims to provide a comprehensive overview of this appealing technology, harmonizing recent results and key challenges, as well as highlighting future important directions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,010 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».