Performance Evaluation of Relaying with Different Relay Selection Schemes in 5G NR V2X Communications
Notice bibliographique
Résumé
This paper presents the performance of relay selection schemes in 5G New Radio (NR) network. The 5G NR is anticipated to enable reliable vehicular networking, with emphasis on Vehicle-to-Everything (V2X) communications. Here, 5G NR is required to support V2X Side Link (SL) communications for C-Plane signaling via wireless Uu interface, which naturally suffers from fading and path loss. Therefore, relaying can address this concern by deploying a low power relay node (RN) in 5G NR network. This paper presents the end-to-end (e2e) performance of dual-hop relaying under four different relay selection schemes and different RN density/deployment scenarios. These selection schemes comprised of the combinations of average and/or instantaneous wireless channel conditions of the two links involved in the transmission, wireless backhaul relay link (RL) and access link (AL). Simulation results demonstrate that when relay selection is performed relying on the instantaneous e2e link conditions, the best performance in terms of average e2e data rate can be obtained. Moreover, higher RN density in network, yields enhanced performance, due to the availability of additional paths to select from, especially, when RNs are randomly deployed rather than at fixed locations.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».