Spatio-Temporal Service Analysis in Multi-Layer Non-Terrestrial Networks
Notice bibliographique
Résumé
In the advent of the 6G era, non-terrestrial networks (NTN) with expansive coverage are being increasingly recognized as a vital supplement to cellular networks for facilitating seamless communication. The intricate interplay between network performance and service quality necessitates a thorough investigation into the modeling and analysis of services for efficient construction of NTN. Previous studies on service analysis, predominantly focused on terrestrial networks, fall short in addressing the unique challenges posed by NTN, particularly those related to platform distribution and antenna gain modeling. This deficiency in research, coupled with the varying preferences of users for different network types, forms the basis of this study. This paper explores the spatio-temporal characteristics of services within a multi-layered NTN framework. In this context, the spatial distribution of the platforms is modeled using a binomial point process, and the antennas are characterized by a sectorized beam pattern. We derive the closed-form expressions for the association probability, the number of accessed users, and the arrival rate of services with certain delay requirements towards different types of NTN. Simulation results are provided to evaluate the influence of various parameters on the association probability, the number of accessed users, and the total arrival rate of services. The number of satellites can be determined to achieve the optimal system utility, balancing the accessed services, offloading effects, and launching costs. This initial investigation lays the groundwork for further theoretical progress in the service analysis and platform deployment of NTN.
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 | 0,002 | 0,006 |
| 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 | 0,001 |
| 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 ».