Connectivity Performance Evaluation for Grant-Free Narrowband IoT With Widely Linear Receivers
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
Future wireless cellular communication networks are expected to provide connectivity for massive machine-type communication (mMTC) devices. The main challenge of supporting mMTC traffic for a cellular network lies in the high density of these devices, which individually have relatively little data to transmit. This suggests the use of low overhead, grant-free access scheme for uplink data transmission, which, however, suffers from packet collisions when devices attempt to access the channel. In this article, we suggest the use of real-valued transmission together with widely linear (WL) reception for improving resource access and thus data throughput in the uplink of mMTC traffic scenarios. We show that not surprisingly, the WL scheme can virtually double the number of receive antennas at the base station (BS). We analyze the effect of this on the supported user density and data throughput for grant-free uplink transmission. As a specific example, we consider the narrowband Internet-of-Things (NB-IoT) cellular communication system, which already includes real-valued modulation modes. Our numerical results show that the supported user density and data throughput of grant-free NB-IoT systems can be significantly improved due to the use of WL receivers. For example, considering an NB-IoT system with 1% packet drop probability, we obtain a tenfold (for single-antenna BS) and a sixfold (for dual-antenna BS) increase in the supported user density by using WL receivers instead of their conventional linear counterparts.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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