MétaCan
Menu
Retour à la cohorte
Enregistrement W3207426121 · doi:10.1109/iswcs49558.2021.9562192

Rate-Splitting Multiple Access for Enhanced URLLC and eMBB in 6G: Invited Paper

2021· article· en· W3207426121 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésComputer scienceTelecommunications linkSpace-division multiple accessComputer networkTransmitterTransmitter power outputLow latency (capital markets)Channel state informationLatency (audio)Transmission (telecommunications)Single antenna interference cancellationThroughputWirelessChannel (broadcasting)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Rate-Splitting Multiple Access (RSMA) is a flexible and robust multiple access scheme for downlink multi-antenna wireless networks. RSMA relies on Rate-Splitting (RS) at the transmitter and Successive Interference Cancellation (SIC) at the receivers. In this work, we study the performance of RSMA in the scenarios related with the important core services of New Radio (NR) and 6G, namely, enhanced Ultra-Reliable and Low-Latency (URLLC) and enhanced Mobile Broadband Communications (eMBB). We present the optimal system designs employing RSMA that target short-packet and low-latency communications as well as robust communications with high-throughput under the practical and important setup of imperfect Channel State Information at Transmitter (CSIT) originating from user mobility and latency/delay (between CSI acquisition and data transmission) in the network. We demonstrate via numerical results that RSMA achieves significantly higher performance than Space Division Multiple Access (SDMA) and Non-Orthogonal Multiple Access (NOMA), and is capable of addressing the requirements for enhanced URLLC and eMBB in 6G efficiently.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,274
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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