C-RAN Uplink Optimization Using Mixed Radio and FSO Fronthaul
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
Cloud radio access networks (C-RANs) are a promising architecture for 5G systems in which simple radio units (RUs) fronthaul signal to a central processor (CP) for joint decoding. Although the C-RAN has reduced cost and complexity, high data rate fronthaul links are necessary. In this paper, we investigate the joint design of wireless fronthaul networks using both radio frequency (RF) and radio-over-free-space optical (RoFSO) links in the uplink of a C-RAN. Unlike earlier work which focuses on performance characterization of RF/FSO fronthaul networks, this paper presents a novel optimization approach to jointly design the quantizers for the RF fronthaul links and the amplifier gains of the RoFSO fronthaul links which suffer from clipping distortion. A subset of RUs fronthaul data via radio links using Wyner–Ziv source coding subject to a shared sum capacity constraint, while other RUs employ RoFSO fronthaul which converts the incoming RF receptions to optical signals by analog modulation of a laser. The optimization problem jointly designs both RF fronthaul and RoFSO fronthaul links to maximize the weighted sum user rates. Simulation results of a simple C-RAN using measured weather data for two locations demonstrate that adding RoFSO links results in drastic improvements in end user rates but requires careful design of RF and RoFSO fronthaul links.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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