Adaptive Beamforming Based Inband Fronthaul for Cost-Effective Virtual Small Cell in 5G Networks
Notice bibliographique
Résumé
In order to exploit the potential capacity of 5G, the deployment of ultra-dense small cells is an approach that can dramatically increase the radio resource reuse factor and network capacity. However, network densification with a large number of small cells brings challenges due to increased network complexity, deployment cost and inter-cell interference. In this paper, a new 5G architecture with virtual small cells (VSCs), which are dynamically formed by grouping a number of user devices in close proximity and adapted according to traffic condition, is proposed to improve the cost and energy efficiency compared with the traditional fixed deployment of small cells. In each virtual small cell, one mobile device is selected as a cell head (CH) to aggregate intra- cell traffic using unlicensed band transmissions and then communicates with its macro-cell base station in a licensed band through beamformed transmission, which reduces the inter-cell interference and improves spectrum efficiency. In this paper, a highly directional beamforming technique is employed to enable a dedicated inband fronthaul link for VSC. Our work focuses on how to design adaptive beamforming to minimize the transmit power under throughput requirements and power constraints. Both the mathematical analysis and simulation results demonstrate that VSCs can increase power efficiency dramatically while providing flexibility and reduced cellular load, when compared with macrocell only deployment and traditional fixed small cells scenario.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».