A Resource-Efficient Coexistence Scheme for Massive Machine-Type and Human-to-Human Communications
Notice bibliographique
Résumé
The fifth-generation (5G) and beyond networks are expected to accommodate both the original human-to-human (H2H) communication and the emerging massive machine-type communication (mMTC). To enable a harmonious coexistence between the two different types of services, we propose a resource-efficient mMTC/H2H coexistence scheme by jointly considering the random access (RA) and data transmission, where the entire uplink resources are divided for the proposed RA and data transmission procedures. Based on the proposed scheme, we derive the average achievable throughput of the bursty mMTC service and develop a time-nonhomogeneous Markov chain model to characterize the joint state transition of H2H user equipments (HUEs). To tackle the cumbersome Markov model, we approximately decompose the constructed time-nonhomogeneous Markov model into multiple independent Markov chains, where each decomposed Markov chain characterizes one single HUE’s state transition. Then, the decomposed Markov model is transformed into a semi-Markov process and the corresponding steady-state condition is obtained based on the queueing network analysis for H2H service. By approximating the evolution of number of HUEs in different states as M/M/1 queues, we derive the stationary probabilities for the embedded Markov chain of the semi-Markov process and obtain the data transmission success probability of each HUE. Based on the abovementioned analytical framework, we formulate a constrained nonlinear integer programming (NLIP) problem to maximize the mMTC throughput under the constraints of H2H quality-of-service (QoS) stabilization and resource allocation. By adopting the modified particle swarm optimization (PSO) algorithm, we solve the formulated problem and obtain the efficient resource allocation strategy for the mMTC/H2H coexistence. Simulation results demonstrate that the developed analytical framework and modified PSO algorithm achieve close to the optimal mMTC/H2H coexisting performance and can be adapted to various network settings.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».