Joint Transmission Scheme and Coded Content Placement in Cluster-centric\n UAV-aided Cellular Networks
Notice bibliographique
Résumé
Recently, as a consequence of the COVID-19 pandemic, dependence on\ntelecommunication for remote working and telemedicine has significantly\nincreased. In cellular networks, incorporation of Unmanned Aerial Vehicles\n(UAVs) can result in enhanced connectivity for outdoor users due to the high\nprobability of establishing Line of Sight (LoS) links. The UAV's limited\nbattery life and its signal attenuation in indoor areas, however, make it\ninefficient to manage users' requests in indoor environments. Referred to as\nthe Cluster centric and Coded UAV-aided Femtocaching (CCUF) framework, the\nnetwork's coverage in both indoor and outdoor environments increases via a\ntwo-phase clustering for FAPs' formation and UAVs' deployment. First objective\nis to increase the content diversity. In this context, we propose a coded\ncontent placement in a cluster-centric cellular network, which is integrated\nwith the Coordinated Multi-Point (CoMP) to mitigate the inter-cell interference\nin edge areas. Then, we compute, experimentally, the number of coded contents\nto be stored in each caching node to increase the cache-hit ratio,\nSignal-to-Interference-plus-Noise Ratio (SINR), and cache diversity and\ndecrease the users' access delay and cache redundancy for different content\npopularity profiles. Capitalizing on clustering, our second objective is to\nassign the best caching node to indoor/outdoor users for managing their\nrequests. In this regard, we define the movement speed of ground users as the\ndecision metric of the transmission scheme for serving outdoor users' requests\nto avoid frequent handovers between FAPs and increase the battery life of UAVs.\nSimulation results illustrate that the proposed CCUF implementation increases\nthe cache hit-ratio, SINR, and cache diversity and decrease the users' access\ndelay, cache redundancy and UAVs' energy consumption.\n
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».