MétaCan
Menu
Retour à la cohorte
Enregistrement W2892200077 · doi:10.1109/mvt.2018.2865830

4G\/5G Spectrum Sharing: Efficient 5G Deployment to Serve Enhanced Mobile Broadband and Internet of Things Applications

2018· article· en· W2892200077 sur OpenAlexaff
Lei Wan, Zhiheng Guo, Yong Wu, Wenping Bi, Jinhong Yuan, Maged Elkashlan, Lajos Hanzo

Notice bibliographique

RevueIEEE Vehicular Technology Magazine · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésTelecommunications linkMobile broadbandComputer networkComputer scienceBroadbandRadio access technology3rd Generation Partnership Project 2TelecommunicationsUser equipmentMobile telephonySpectral efficiencyBandwidth (computing)Base stationMobile radioWirelessBeamforming

Résumé

récupéré en direct d'OpenAlex

The fifth-generation (5G) has been developed for supporting diverse services, such as enhanced mobile broadband (eMBB), massive machine-type communication (mMTC) and ultrareliable lowlatency communication (URLLC). The latter two constitute Internet of Things (IoT) enablers. The new spectrum released for 5G deployments are primarily above 3 GHz and, unfortunately, has a relatively high path loss, which limits the coverage, especially for the uplink (UL). The high propagation loss, the limited number of UL slots in a time-division duplexing (TDD) frame, and the limited user power gravely restrict the UL coverage, but this is where bandwidth is available. Moreover, the stringent requirements of eMBB and IoT applications lead to grave 5G challenges, e.g., site planning, ensuring seamless coverage, adapting the TDD downlink (DL)/UL slot ratio and the frame structure for maintaining a low bit error rate as well as low latency, and so on. This article addresses some of those challenges with the aid of a unified spectrum-sharing mechanism, and by means of a UL/DL decoupling solution based on fourth-generation (4G)/5G frequency sharing. The key concept relies on accommodating the UL resources in a long-term evolution (LTE) frequency-division duplexing (FDD) frequency band as a supplemental UL (SUL) carrier in addition to the new radio (NR) operation in the TDD band above 3 GHz. With the advent of this concept, the conflicting requirements of high-transmission efficiency, large coverage area, and low latency can be beneficially balanced. We demonstrate that the unified 5G spectrum-exploitation mechanism is capable of seamlessly supporting compelling IoT and eMBB services.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,005
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Vehicular Technology MagazineMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207