Satellite integration into 5G: Accent on testbed implementation and demonstration results for 5G Aero platform backhauling use case
Notice bibliographique
Résumé
Summary The first true multitechnology communication system is 5G, which is expected to have a large impact on society and industry. The European Commission funded H2020 5G‐PPP Phase 2 project SaT5G addressed the plug‐and‐play integration of satellite communication into 5G. One of the SaT5G use cases corresponds to the delivery of 5G connectivity services to moving platforms such as aircraft via GEO/MEO satellite backhauling. With focus on this use case, this paper elaborates on the practical implementation and measurement results obtained within the 5G Aero testbed developed as part of the SaT5G project. The 5G Aero testbed activities focus on the next generation of connectivity and content distribution services to airplanes through satellite and terrestrial integration in 5G at the user, control and management planes. Software‐defined networking (SDN) and network functions virtualisation (NFV) are key enablers to develop a powerful end‐to‐end testbed that can accelerate the adoption of multi‐access edge computing (MEC) for the next‐generation in‐flight entertainment and connectivity (IFEC) services, which use geostationary (GEO) and medium Earth orbit (MEO) satellite backhauling technologies. Hence, measurement results obtained from both over‐the‐air demonstration over the O3b MEO satellite constellation and in‐lab validation over an emulated GEO satellite link are presented, towards the next‐generation 5G‐enabled IFEC services.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».