Energy- and Delay-Aware Two-Hop NOMA-Enabled Massive Cellular IoT Communications
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
Providing energy-efficient and delay-aware channel access in cellular networks is essential to many anticipated massive Internet of Things (IoT) applications. However, as the number of devices increases, the contention over the limited network radio resources increases, leading to network congestion. The congestion increases the channel access delay and energy consumption of IoT devices, and reduces the number of supported devices. Node clustering and data aggregation are potential approaches to support the massive number of devices while meeting the various service quality requirements of diverse applications. As the number of devices increases, optimizing the node clustering and data aggregation process becomes critical as many tradeoffs arise among different network performance metrics. In this article, we present a novel nonorthogonal multiple access-enabled two-stage transmission architecture to enable massive cellular IoT communications. Concepts from queuing theory and stochastic geometry are jointly exploited to derive tractable models for different network performance parameters, such as coverage probability, two-hop access delay, and the number of served devices per transmission frame. The established models characterize relations among various network parameters, and hence facilitate the design of two-stage transmission architecture. The numerical results demonstrate that the proposed solution improves the overall access delay and energy efficiency as compared to traditional-orthogonal-multiple-access-based clustered networks. They also highlight that, for the scenario considered, there is an optimal number of aggregators at which the tradeoffs among the different network performance measures are optimized.
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