Improving Caching Efficiency in Content-Aware C-RAN-Based Cooperative Beamforming: A Joint Design Approach
Notice bibliographique
Résumé
This work studies the joint problem of content placement, remote radio head (RRH) clustering and beamformer design, in a cache-enabled cloud-radio access network (C-RAN). In the considered system, downlink users are cooperatively served by multiple RRHs, in turn connected to a centralized baseband unit (BBU) pool via fronthaul links. Each RRH is equipped with a local cache from which it can directly acquire the requested user contents, without utilizing the fronthaul links. We aim to jointly optimize the aforementioned three aspects, in order to strike a balance between fronthaul traffic reduction and transmission power minimization. To this end, we propose to employ the ratio between these two important system utilities as the objective function, referred to as caching efficiency. Two joint design algorithms are presented to address the resulting nonconvex optimization problem, which features coupling constraints and mixed-integer variables, namely: the penalty concave-convex procedure (P-CCCP) and penalty dual decomposition (PDD) based algorithms. Furthermore, since content placement is usually updated over a larger timescale, we propose a two-timescale joint design algorithm, where the P-CCCP and PDD-based algorithms can be employed for efficient initialization as well as for establishing performance limits. Simulation results validate the efficiency of the proposed algorithms.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 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 ».