Spatial-Reuse-Based Efficient Coexistence for Cellular and WiFi Systems in the Unlicensed Band
Notice bibliographique
Résumé
With the increasing data traffic in the fifth-generation (5G) communication system, the 5G new radio extended to unlicensed bands (5G NR-U) has become a promising approach to relieve the heavy pressure on the cellular system. To achieve the efficient coexistence with the WiFi system and improve the efficiency of temporal, spectral and spatial resource utilization, we first divide the transmission space into two subspaces by leveraging spatial reuse, where the data transmitted by cellular user equipments (UEs) falls into one subspace and the data transmitted by Internet of Things (IoT) devices coexisting with WiFi users through power control is in the other subspace. Then, the coexistence among cellular UEs, IoT devices, and WiFi users is formulated as an optimization model with the aim of maximizing the cellular system throughput via the joint power and subchannel allocation under the interference constraint. Although the resulting optimization problem is a mixed-integer nonlinear programmming, we decompose it into two subproblems and develop an alternating iterative approach to effectively solve them. Also, the closed-form allocations of the power and subchannels are obtained. Simulation results confirm that the proposed scheme can improve the cellular system performance and guarantee the coexistence in the unlicensed band.
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 | 0,000 |
| 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 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 ».