Coverage and Rate Analysis for Co-Existing RF/VLC Downlink Cellular\n Networks
Notice bibliographique
Résumé
This paper provides a stochastic geometry framework to perform the coverage\nand rate analysis of a typical user in co-existing VLC and RF networks covering\na large indoor area. The developed framework can be customized to capture the\nperformance of a typical user in various network configurations such as (i)\nRF-only, in which only small base-stations (SBSs) are available to provide the\ncoverage to a user, (ii) VLC-only, in which only optical BSs (OBSs) are\navailable to provide the coverage to a user, (iii) opportunistic RF/VLC, where\na user selects the network with maximum received signal power, and (iv) hybrid\nRF/VLC, where a user can simultaneously utilize the available resources from\nboth RF and VLC networks. The developed model for VLC network precisely\ncaptures the impact of the field-of-view (FOV) of the photo-detector (PD)\nreceiver on the number of interferers, distribution of the aggregate\ninterference, association probability, and the coverage of a typical user.\nClosed-form approximations are presented for special cases of practical\ninterest and for asymptotic scenarios such as when the intensity of SBSs\nbecomes very low. The derived expressions enable us to obtain closed-form\nsolutions for various network design parameters (such as intensity of OBSs and\nSBSs, transmit power, and/or FOV) such that the number of active users can be\ndistributed optimally among RF and VLC networks. Also, we optimize the network\nparameters in order to prioritize the association of users to VLC network.\nFinally, simulations are carried out to verify the derived analytical\nsolutions. Important trade-offs between height and intensity of OBSs are\nhighlighted to optimize the performance of a user in VLC networks.\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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».