Wireless SDN architecture Testbed to support IP Multimedia Subsystem
Notice bibliographique
Résumé
The fifth generation of mobile communications, promises to offer very high achievable data rate, very low latency, ultra-high reliability, along with supporting a wide range of new applications and use cases. In order to increase network scalability, service flexibility and to improve mobility management in 5g wireless networks, two new concepts have emerged, namely Network Functions Virtualization (NFV) and Software Defined Wireless Networking (SDWN). In this study, we designed and implemented a network architecture based on an open-source software-based LTE implementation named as OpenAirInterface (OAI). OAI emulation platform is an integrated tool allowing large-scale networking experimentation. The latter can be used for prototyping innovation scheduling algorithms, making the majority of new architecture. SDWN network technology has emerged in order to deliver a high quality multiple performance system with cost benefits that includes several processes such as live monitoring, reconfiguration, control delegation and faster data-transfer. In order to test some key enablers and features of 5G mobile networks, we provide a topology that combines SDWN and NFV technologies to handle the fulfilment of network slices by running Mosaic 5g FlexRAN software on top of the OAI platform. Moreover, Clearwater IP Multimedia Subsystem (IMS) is integrated to provide voice over IP (VoIP) service between subscribers and a Wi-Fi Access point (AP) is added to network in order to establish a heterogeneous wireless network (HetNet). Our results can serve as a reference for future optimization by the open source community.
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 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».