Joint Transmission Scheme and Coded Content Placement in Cluster-Centric UAV-Aided Cellular Networks
Notice bibliographique
Résumé
Recently, as a consequence of the COVID-19 pandemic, dependence on telecommunication for remote learning/working and telemedicine has significantly increased. In this context, preserving high Quality of Service (QoS) and maintaining low-latency communication are of paramount importance. In cellular networks, the incorporation of unmanned aerial vehicles (UAVs) can result in enhanced connectivity for outdoor users due to the high probability of establishing Line of Sight (LoS) links. The UAV’s limited battery life and its signal attenuation in indoor areas, however, make it inefficient to manage users’ requests in indoor environments. Referred to as the cluster-centric and coded UAV-aided femtocaching (CCUF) framework, the network’s coverage in both indoor and outdoor environments increases by considering a two-phase clustering framework for Femto access points (FAPs)’ formation and UAVs’ deployment. Our first objective is to increase the content diversity. In this context, we propose a coded content placement in a cluster-centric cellular network, which is integrated with the coordinated multipoint (CoMP) approach to mitigate the intercell interference in edge areas. Then, we compute, experimentally, the number of coded contents to be stored in each caching node to increase the cache-hit-ratio, signal-to-interference-plus-noise ratio (SINR), and cache diversity and decrease the users’ access delay and cache redundancy for different content popularity profiles. Capitalizing on clustering, our second objective is to assign the best caching node to indoor/outdoor users for managing their requests. In this regard, we define the movement speed of ground users as the decision metric of the transmission scheme for serving outdoor users’ requests to avoid frequent handovers between FAPs and increase the battery life of UAVs. Simulation results illustrate that the proposed CCUF implementation increases the cache-hit-ratio, SINR, and cache diversity and decrease the users’ access delay, cache redundancy, and UAVs’ energy consumption.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».