MétaCan
Menu
Retour à la cohorte
Enregistrement W2684278524 · doi:10.1109/ccece.2017.7946747

Energy and spectral efficiency in cellular networks considering fading, path loss, and interference

2017· article· en· W2684278524 sur OpenAlexaff
Abdulbaset M. Hamed, Raveendra K. Rao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPath lossSpectral efficiencyFadingEfficient energy useComputer scienceTelecommunications linkBase stationCellular networkNakagami distributionInterference (communication)Stochastic geometryEnergy consumptionElectronic engineeringComputer networkChannel (broadcasting)Topology (electrical circuits)TelecommunicationsWirelessEngineeringMathematicsElectrical engineeringStatistics

Résumé

récupéré en direct d'OpenAlex

Due to the increase of energy consumption in wireless systems, energy-efficient cellular planning concept has become an important concern in designing cellular networks. In this paper, energy efficiency (EE) and spectral efficiency (SE) analysis for single and multi-cell cellular systems are presented and investigated. The efficiency analysis is studied under the influence of Nakagami-m multi-path fading superimposed on path loss, and co-channel interference for three base station (BS) antenna configurations which are omni, and 120o and 60o directive antennas. The downlink SE and EE are derived and simulated concerning the random users' location, normalized reuse distance, cell radius, and random channel gain. Theoretical and simulation results show that, as expected, single cell scenario provides higher efficiency than multi cell; however, antenna directivity improves both efficiency metrics. The analysis provides insight contribution for the SE-EE trade-off issue in cellular networks for which most of the network and propagation parameters are included in the analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,835
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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 tête enseignante, 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207