MétaCan
Menu
Retour à la cohorte
Enregistrement W2981508170 · doi:10.1109/tgcn.2019.2949288

Frameworks for Energy Efficiency Maximization in HetNets With Millimeter Wave Backhaul Links

2019· article· en· W2981508170 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Green Communications and Networking · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMillimeter-Wave Propagation and Modeling
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBackhaul (telecommunications)Heterogeneous networkComputer scienceComputer networkThroughputEfficient energy useConvex optimizationWirelessBase stationWireless networkEngineeringTelecommunicationsRegular polygonElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Heterogeneous networks (HetNets) and millimeter wave (mmWave) communications have been recognized as two of the most promising techniques for future cellular networks. HetNets possess the ability to significantly increase network capacity and coverage, while the mmWave bands have an abundant spectrum to support gigabit-per-second data transmission for backhauling. Due to the extreme pathloss and the unreliable transmission of mmWave signals over longer distances, multi-hop mmWave transmissions have been identified as a backhaul (BH) solution in HetNets. On the other hand, energy efficiency (EE) has been identified as a prime design factor for cellular networks because of their rising energy costs. In this paper, two optimization frameworks for maximizing the EE of HetNets with multi-hop mmWave BH links are explored. The first framework, referred to as joint EE, power, and flow control (JEEPF), considers enforcing a strict throughput requirement on all user equipment (UEs) and maximizing the network EE via the joint optimization of power and BH flows. The second framework, referred to as joint EE, power, flow, and throughput (JEEPFT), allows an acceptable range of throughput requirements for each UE and maximizes the network EE via the joint optimization of power, BH flows, and UEs' achievable throughputs. It is observed that this little change (i.e., strict vs. an acceptable range of throughput requirements) causes a drastic difference in the formulations of both problems. The JEEPF simplifies to power minimization problem (which is convex), while the JEEPFT is a ratio of throughput to power (which is fractional and non-convex). Two solution techniques that obtain the optimal solution are proposed for the JEEPFT optimization framework. Simulation results are used to demonstrate the superiority of the JEEPFT framework over the JEEPF and other simple benchmark schemes. The computational complexity of the JEEPFT solution techniques is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,685

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,220
Écart entre enseignants0,197 · 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