Group-Based Random Access and Data Transmission Scheme for Massive MTC Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Massive machine-type communications (mMTC) is one of the three generic services for the fifth-generation (5G) wireless communications system. To utilize fully the high rate transmission feature of the 5G system to support massive MTC devices (MTCDs), we propose a group-based random access and data transmission scheme, where the data packets of MTCDs are first aggregated by the MTC gateways (MTCGs) and then forwarded to the base station. The access process of the MTC network is divided into two phases, namely the intra-group transmission phase and MTCG forwarding phase. The entire resources are also partitioned for the two phases. We employ the discrete-time nonhomogenous Markov model to characterize the joint queue-length evolution of multiple MTCGs, which cannot be analyzed directly due to the exponential complexity and time-nonhomogeneity. To facilitate the analysis, we approximately decompose the joint nonhomogenous queue-length evolution process into multiple independent nonhomogenous queue-length evolution processes with the same state transition probabilities. Then, we establish an equivalent single queue-length evolution based homogenous Markov chain by constructing a virtual queue and determine the corresponding stationary distribution by using the Gauss-Jordan elimination method. An optimization problem is formulated to maximize the average network throughput subject to the constraints on the resource partition for the two phases and the MTCG forwarding threshold. By developing a modified differential evolution algorithm, we provide an efficient solution to the formulated problem, which can be arbitrarily close to the optimal solution. Simulation results show that the proposed scheme can efficiently improve the network performance over the existing schemes.
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.
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 | 0,000 |
| 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 découle