MétaCan
Menu
Retour à la cohorte
Enregistrement W4206138687 · doi:10.1109/twc.2022.3142262

Multi-Pair Computation for Two-Way Intra Cloud Radio-Access Network Communications

2022· article· en· W4206138687 sur OpenAlexaff
Mahmoud A. Hasabelnaby, Anas Chaaban

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesKing Abdullah University of Science and Technology
Mots-clésComputer scienceTelecommunications linkDecodesRadio access networkComputer networkDecoding methodsC-RANBasebandHeuristicCloud computingPairwise error probabilityAlgorithmBandwidth (computing)Base stationMobile stationFading

Résumé

récupéré en direct d'OpenAlex

Cloud radio-access networks (C-RAN) have been proposed as an enabling technology for keeping up with the requirements of next-generation wireless networks. Most existing works on C-RAN study the uplink or the downlink separately. However, designing the uplink and the downlink jointly may bring additional advantages, especially if message source-destination information is taken into account. In this paper, this idea is demonstrated by considering pairwise message exchange between users in a C-RAN. A multi-pair two-way transmission scheme is proposed which targets maximizing the end-to-end sum rate. In the proposed scheme, a lattice-based computation strategy is used, where the baseband processing unit (BBU) pool decodes integer linear combinations of paired users’ codewords instead of decoding linear combinations of individual codewords. The BBU pool then precodes the computed signals, compresses, and forwards them to the remote radio heads (RRHs), which in turn decompress the signals and send them to the users. Finally, each user decodes its desired message using its own message as side information. The achievable rate of this scheme is derived, optimized, and evaluated numerically. Simulation results reveal that significant end-to-end rate improvement can be achieved using the proposed scheme compared to 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.

Comment cette classification a été obtenuedéplier

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,300
Écart entre enseignants0,261 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207