Packet Duplication for URLLC in 5G: Architectural Enhancements and Performance Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
URLLC use cases demand a new paradigm in cellular networks to contend with the extreme requirements with complex trade-offs. In general, it is exceptionally challenging and, resource usage-wise, prohibitively expensive to satisfy the URLLC requirements using the existing approaches in LTE. To address these challenges 3GPP has recently agreed to adopt PD of both UP and CP packets as a fundamental technique in 5G NR. This article investigates the theoretic framework behind PD and provides a primer on the recent enhancements applied in the NR RAN architecture for supporting URLLC. It is shown that PD enables jointly satisfying the latency and reliability requirements without increasing the complexity in the RAN. With dynamic control capability, PD can be used not only for URLLC but also to increase the transmission robustness during mobility and against radio link failures. The article also provides numerical results comparing the performance of PD in various deployment scenarios. The numerical results reveal that in certain scenarios, performing PD over multiple links results in lower usage of radio resources than using a single highly reliable link. It is also found that to improve radio resource utilization while satisfying URLLC requirements, enabling PD in scenarios such as cell edge is crucial where the average SNR of the best (primary) link and the variation in SNR between all accessible links is typically low. In essence, the PD technique provides a cost-effective solution for satisfying the URLLC requirements without requiring major modifications to the RAN deployments.
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.
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 découle