Resource Management and Admission Control for Tactile Internet in Next Generation of Radio Access Network
Notice bibliographique
Résumé
Tactile Internet (TI) is one of the main service types in 5G, which requires tight delay preservation for each end-to-end (E2E) transmission link of TI pair of users. Consequently, it is required a highly sophisticated resource allocation (RA) algorithm over cloud radio access networks (C-RANs). In this paper, we aim to address this problem based on admission control (AC) and power allocation in orthogonal frequency division multiple access (OFDMA) mode with considering joint fronthaul and access delay in C-RAN. The objective of our proposed RA problem is to minimize a total transmit power subject to E2E delays and C-RAN limitations, e.g., a capacity limitation of fronthaul and power transmission links. Due to tight E2E constraints, the RA problems suffers from an infeasibility issue, i.e., the requirements of all TI users are not guaranteed, which leads to high degradation of services of TI users. The proposed AC of this paper can overcome this practical challenge while RA can help to use the resources in the best possible extent. Through simulation results, we investigate diverse service satisfaction parameters such as service acceptance ratio (SAR) and transmit power. Simulation results reveal that by dynamic adjustment of the access and fronthaul delays, transmit power can be saved compared to the case in which the delay is fixed over access and fronthaul links. Moreover, the number of rejected users in the network is significantly reduced, and more users are accepted, i.e., the SAR increases. Simulation results demonstrate that our dynamic delay adjustment and RA along with AC can outperform the benchmark algorithm in this context up to 3 dB.
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 | 0,001 |
| 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 ».