cDERSA: Cognitive D2D Enabled Relay Selection Algorithm to Mitigate Blind-Spots in 5G Cellular Networks
Notice bibliographique
Résumé
Blind-spots, where wireless signals do not reach within the coverage range, often emerge in a dynamic environment due to obstacles, geographical location or mobility of cellular users (CUs). Thus greatly reducing the overall system performance in terms of coverage and throughput. Relay-aided cognitive Device to Device (cD2D) communication system underlying the 5G cellular network can help mitigate blind-spots. Cognitive capability helps D2D users to acquire the spectrum opportunistically for proximity communication and establish a semi-independent network underlying the 5G network, which not only offloads 5G-New Radio (NR) base station but also enhances the overall system performance. In this work, we have developed a relay-aided cognitive D2D network that helps CUs falling into the blind-spots to retain access to the 5G network and increase wireless coverage. Relay selection requires mutual consent between the relay and the device in the blind-spot. The in-coverage devices are tempted to act as relays through incentive-based mechanism. For enhanced system performance a suitable match among the devices in blind-spots and the relays is required. cD2D enabled relay selection algorithm (cDERSA) is proposed in this work, in which a cognitive D2D user (cDU), which is a CU falling in the blind-spot, establishes a relayed cD2D link to access 5G-NR gNodeB. All cDUs as well as the tempted relays, i.e. cognitive D2D relays (cDRs), first scan their surroundings for devices capable of D2D communication and based on multi-criteria objective functions, build a priority table. A stable marriage problem is formulated and solved using a unique, stable, distributed, and efficient matching algorithm based on the Gale-Shapley algorithm. A new incentive mechanism is also developed to keep relays motivated to share their resources. Simulation is performed and their results show improvement in throughput and average user satisfaction, which validates our proposed cDERSA.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».