Analysis of Self-Blockage Impact on Handover Probability for User with Mobility in 5G Mm-Wave Cellular Network
Notice bibliographique
Résumé
In this paper, we present the impact of self-blockage on Handover (HO) Probability for a user with mobility in a 5G mm-wave cellular network. Self-blockage is defined as a blockage that could occur for a Mobile User (MU) resulting from its own body during its movement. As a result, frequent HOs may occur, which could cause channel fluctuations between different states, namely, Line-of-Sight (LOS) state, Non-Line-of-Sight (NLOS) state and outage state. Since the human body causes a severe attenuation to the mm-wave signal, we assume that the MU’s body blocks any signal from any mm-wave BS that lies in the blocking zone. Consequently, all mm-wave BSs that lie in the blocking zone is considered blocked. In this paper, we present a mathematical analysis for the self-blockage impact on MU where the Self-blockage zone is modelled as a sector of a disc, centred at the origin and has a radius of R. The sector is making an angle of, $\theta$, towards the MU’s body. The results show that self-blockage has an impact on HO probability, especially when the MU is moving in a radial direction, as the MU direction becomes closer to the tagged mm-wave BS as the HO probability gets closer to the case where no self-blockage incorporated into the model. Since the mm-wave signal is very susceptible to blockages interruption, this paper’s work provides us insights on understanding the impact of self-blockage on the HO probability. Therefore, the effect of self-blockage on the HO probability needs to be considered carefully in designing efficient HO management schemes and planning the 5G mm-wave cellular system.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».