Call Admission Control Optimization in 5G in Downlink Single-Cell MISO System
Notice bibliographique
Résumé
The main goal ofNew Radio 5G (NR) mobile technology is to support three generic service categories, each with very specific requirements. The first category is enhanced Mobile Broadband (eMBB), the second category relates to massive Machine-Type Communications (mMTC), and the third category relates to ultra-Reliable Low Latency Communications (URLLC). The slicing of the radio part of 5G network access network has greatly contributed to the emergence of these three categories of service with different qualities of service. This division therefore enabled the network to reserve the necessary resources for each category of services, orthogonally, and according to the performance required. In this article, we have dealt with the problem of Call Admission Control (CAC) in 5G networks where we have considered the case of the only two categories eMBB and uRLLC, which their users are served by a single cell. We calculated the maximum eMBB users admitted into the system with guaranteed data rate, while allocating power, bandwidth, and beamforming directions to all uRLLC users whose latency requirements and reliability are always guaranteed. We only considered the downlink communication, and we used the case of the multiple-input single-output (MISO) system. This CAC problem is formulated as a minimization problem l0 which is known as NP-hard problem. We therefore chose to use Sequential Convex Programming (SCP) to find a suboptimal solution to the problem.
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 | 0,001 | 0,002 |
| 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 | 0,002 | 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 ».