Optimization for Signal Transmission and Reception in a Macrocell of Heterogeneous Uplinks and Downlinks
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
Internet-of-things (IoT) applications continue to drive advancements in serving as many heterogeneous low-latency downlinks and uplinks as possible within a constrained communication bandwidth. Full-duplexing (FD) transceivers have been introduced to implement simultaneous signal transmission and reception (STR) over the entire available frequency band. However, both inter-link interference and FD loop-interference are hardly suppressed to a necessary level for the effectiveness of FD-based STR even for microcells. This paper proposes an alternative STR technique per one time-slot for macrocells, where a fraction of a time-slot is used for downlinks and the remaining complementary fraction of the time-slot is used for uplinks. Thus, STR over the entire available bandwidth can be implemented in a way with no loop interference. Furthermore, another approach of using a fraction of the available bandwidth for downlinks and the remaining complementary fraction of the bandwidth for uplinks over the whole time-slot is also proposed. The problem of both downlink and uplink beamforming to maximize the energy efficiency of such heterogeneous networks subject to the quality-of-service in terms of downlink and uplink throughput is examined for all three possible STRs. Numerical results demonstrate the advantages of the time-fraction-wise STR and bandwidth-fraction-wise STR over the FD-based STR, where the time-fraction-wise STR is not only the best in serving the same numbers of downlinks and uplinks but also is capable of serving many more downlinks and uplinks with a higher energy efficiency.
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 | 0,000 | 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