MétaCan
Menu
Retour à la cohorte
Enregistrement W4210808437 · doi:10.1109/globecom46510.2021.9685290

Joint Resource Block Allocation and Beamforming with Mixed-Numerology for eMBB and URLLC Use Cases

2021· article· en· W4210808437 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

Revue2021 IEEE Global Communications Conference (GLOBECOM) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSubcarrier3rd Generation Partnership Project 2BeamformingComputer networkQuality of serviceBase stationResource allocationMathematical optimizationOrthogonal frequency-division multiplexingTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

Mixed-numerology has been proposed in the Third Generation Partnership Project (3GPP) standard for the fifth generation (5G) wireless networks, where flexible subcarrier spacing (SCS) can be applied to support uses cases with different quality-of-service (QoS) requirements. In this paper, we study the joint design of resource block allocation and beamforming with mixed-numerology for enhanced mobile broadband (eMBB) and ultra-reliable low-latency communications (URLLC) use cases. We consider multiple multi-antenna base stations (BSs) cooperatively provide services to the users. By using beamforming, inter-user interference can be mitigated and a resource block can be utilized by more than one user. Short packet transmission is considered for URLLC users to satisfy their low-latency requirements. We formulate a mixed-integer nonlinear programming problem to maximize the aggregate throughput of eMBB users while guaranteeing the throughput, reliability, and latency requirements of URLLC users. We propose a low-complexity algorithm, which leverages fractional programming and successive convex approximation (SCA), to obtain the solutions. Simulation results show that our proposed algorithm can improve the aggregate eMBB throughput by 30% compared with the fixed-numerology based approach.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,574
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
Bibliométrie0,0000,000
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 Opus0,049
Tête enseignante GPT0,262
Écart entre enseignants0,213 · 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