Notice bibliographique
Résumé
Long Term Evolution-Advanced (LTE-A) is a novel mobile network standard that can address a number of challenges that network operators face while trying to support the growing demand for high data rates.To do so, LTE introduces a number of technologies including Coordinated MultiPoint (CoMP) and Device-to-Device (D2D) communication.The performance of proposed protocols needs to be evaluated before the protocols are deployed on live networks.In fact, Modeling and Simulation (M&S) plays an important role in the development of modern cellular networks since it allows researchers to gain an insight into the operation of the networks in a cost and time effective manner.Discrete EVent System Specification (DEVS) provides a formal platform for M&S of discrete event dynamic systems.In this thesis, we present a general DEVS-based model for LTE networks.The model implements the basic functionality of each of the layers of the LTE protocol stack.In addition, it was designed to be flexible and modular.The model can be easily adapted to model various network deployments and scenarios, communication protocols, and propagation models.Moreover, in this thesis, we present two novel algorithms that aim to improve the upload performance of UEs in LTE networks.The two algorithms, Shared Segmented Upload (SSU) and Upload User Collaboration (UUC), were developed in collaboration with fellow students at Carleton University, and Ericsson Canada.The algorithms rely on some of the technologies of LTE to enhance the upload process for UEs in the network, especially when the UEs are located at or near the edges of their cells.The DEVS-based model we developed was used to conduct a series of system-level simulations to test the performance of the proposed algorithms, and compare them against the performance of traditional methods.The simulation results show that compared to the conventional methods, SSU improves the uplink performance for cell-edge UEs.In addition, UUC was shown to provide significant performance improvements for UEs regardless of their location within their cells, and can be applied to situations where CoMP is not available.xii
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».