Joint Routing and Packet Scheduling For URLLC and eMBB traffic in 5G O-RAN
Notice bibliographique
Résumé
Open Radio Access Network (O-RAN) is an innovative RAN architecture designed to revolutionize 5G-and-beyond mobile networks. O-RAN virtualizes the fronthaul network functions into Open Centralized Unit (O-CU), Open Distributed Unit (O-DU) and Open Radio Unit (O-RU). Unfortunately, there is no standard data communication mechanism to disaggregate Quality of Service (QoS) flow traffic into multiple routes to access O-DUs to leverage the distributed computing capability. Furthermore, there is no centralized scheduler to coordinate processors that are processing O-DU functions efficiently to meet fifth generation (5G) QoS services. Therefore, O-RAN performance is still questionable. This paper investigates an optimized solution for joint Routing and Packet Scheduling (RPS) which is implemented in the O-DU pool to replace individual O-DUs. We formulate two joint RPS problems to coordinate multiple routes and multiple parallel processors in the centralized O-DU pool to accommodate the Ultra-Reliable Low Latency Communications (URLLC) and enhanced Mobile Broadband (eMBB) services. We propose a greedy algorithm and a Min-Max algorithm to approximate the optimal result. Numerical results show that our proposed solution improves significantly system processing delay compared with a scheme of individual O-DUs which are selfishly maximized.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».