HARQ-Based Grant-Free NOMA for mMTC Uplink
Notice bibliographique
Résumé
Massive machine-type communication (mMTC) is one of the most rewarding and at the same time challenging components in the fifth-generation (5G) cellular solutions supporting the Internet of Things (IoT). The 5G mMTC is considering the use of a combination of two key mMTC enabling technologies-grant-free (GF) transmission and nonorthogonal multiple-access (NOMA), called GF-NOMA, which can potentially exploit the advantages of both schemes. A primary challenge in GF-NOMA is to reduce the packet drop rate. Owing to the decentralized nature of the GF schemes and the lack of control over user equipment, only hybrid automatic repeat request (HARQ) Type I has been employed for enhancing the reliability of GF-NOMA so far. In this article, uplink GF-NOMA transmission schemes using HARQ Type III are proposed. Two types of packet combining-1) chase combining and 2) incremental redundancy combining are considered. Moreover, we introduce a GF single-transmission (GFST) scheme where all redundancy versions of the packet are transmitted in one shot. We present a comprehensive evaluation of both the GF and the conventional grant-based methods in mMTC scenarios and demonstrate the superiority of our proposed methods over the existing ones.
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 | 0,000 |
| 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 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 ».