MétaCan
Menu
Retour à la cohorte
Enregistrement W4401576848 · doi:10.1007/s11277-024-11524-2

Enhanced Indoor Path Loss and RSRP of 5G mmWave Communication System with Multi-objective Genetic Algorithm

2024· article· en· W4401576848 sur OpenAlex
Chilakala Sudhamani, Mardeni Roslee, Lee Loo Chuan, Athar Waseem, Anwar Faizd Osman, Mohamad Huzaimy Jusoh

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueWireless Personal Communications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMillimeter-Wave Propagation and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesTelekom Malaysia BerhadMinistry of Higher Education, Malaysia
Mots-clésComputer sciencePath (computing)Path lossGenetic algorithmComputer networkAlgorithmTelecommunicationsReal-time computingWirelessMachine learning

Résumé

récupéré en direct d'OpenAlex

The signal strength in 5G mobile communication systems is significantly influenced by the surroundings, with key factors including the path difference, operating frequency, and obstructions at specific locations. Consequently, planning a communication system that can deliver improved signal strength becomes highly challenging. To address this issue, indoor path loss models are employed to estimate signal loss in different environments, frequencies, and distances. This paper introduces an intelligent multi-objective genetic algorithm aimed at enhancing path loss and received signal power. A comparative analysis is conducted to evaluate the performance of the proposed intelligent optimization algorithm against the traditional approach. The path loss and received power of various scenarios are estimated using various path loss models. The 5GCM indoor officce, 5GCM InH shopping mall, 3GPP TR 38.91 InH office, mmMAGIC InH office, METIS InH shopping mall, and IEEE 802.11 ad InH office indoor path loss models estimates the path loss of 62.37 dB, 62.15 dB, 63.12 dB, 50 dB, 55.18 dB, and 52.89 dB in traditional approach and 36.87 dB, 35.86 dB, 36.84 dB, 68.80 dB, 36.23 dB and 33.94 dB using GA approach and received powers of $$-12.17~dBm, -11.37~dBm, -12.17~dBm, -5.80~dBm,$$ $$-12.24~dBm$$ and $$-8.68~dBm$$ in traditional approach and 26.13 dBm, 27.14 dBm, 26.15 dBm, $$-5.80~dBm$$ , 26.75 dBm and 29.05 dBm using GA approach repectively. The 5GCM and 3GPP models produces the path loss difference above 25 dB and mmMAGIC, METIS and IEEE models produces a path loss below 19 dB. Except mmMAGIC model, all models produces the recceiver power difference above 37 dBm. Therefore, the highest path loss difference of 26 dB is observed in 5GCM InH shopping mall model and the highest reccieved power difference of 39.01 dBm is observed in METIS InH shopping mall model. The results clearly demonstrate that the proposed intelligent optimization approach outperforms the traditional approach across various indoor scenarios.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,240
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle