Joint FSO Fronthaul and Millimeter-Wave Access Link Optimization in Cloud Small Cell Networks: A Statistical-QoS Aware Approach
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
We investigate resource optimization for the downlink cloud small cell network, where the baseband unit pool communicates with the buffer-aided small remote radio heads (SRRHs) through free space optical fronthaul, and SRRHs transmit to the user equipments (UEs) by using time division multiplexing-based millimeter wave access links. Our objective is to maximize the supportable aggregate data arrival rate in the network by exploiting the inter-dependence of fronthaul and access links. Toward this objective, we consider maximum acceptable end-to-end queue-length bound violation probability constraints, load-balancing constraints in the access link, fronthaul link selection constraints, and transmit power budget constraints of fronthaul and access links. Since the joint fronthaul and access link optimization is a non-convex and combinatorial problem, we develop an iterative solution by decomposing the original optimization problem into two sub-problems. The first sub-problem optimally obtains fronthaul and access link power allocation and fronthaul link selection by using Lagrangian dual decomposition and canonical one-to-one matching techniques. By employing the Lagrangian dual decomposition and alternating optimization techniques, the second sub-problem obtains near optimal data arrival rate for each UE, UE-SRRH associations, fronthaul rate allocation among the transmitted data for the UEs, and the transmission duration scheduling in millimeter wave access link. An algorithm of polynomial complexity is developed in order to determine the supportable aggregate data arrival rate by considering the statistical quality-of-service requirements, and its convergence is proved. The simulation results depict that the proposed scheme significantly improves the aggregate data arrival rate over several benchmark schemes.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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