THz Network Placement and Mobility-Aware Resource Allocation for Indoor Hybrid THz/VLC Wireless Networks
Notice bibliographique
Résumé
This paper focuses on the energy and spectral efficient design of an indoor communication system that leverages terahertz (THz) and visible light communication (VLC). We first optimize THz access points (APs) deployment in an indoor environment equipped with VLC APs such that uniform data rate can be guaranteed for all arbitrarily located users in the room. We discretize the placement problem and then apply fractional programming techniques and a Majorization-Minimization (MM) approach to solve it. Then, we develop a novel mobility-aware resource allocation framework to optimize user-AP assignment, subchannel allocation (SA), and power allocation (PA) to maximize the handoff (HO)-aware sum rate and energy efficiency (EE) of hybrid THz/VLC networks. The HO-aware sum rate and EE adapts according to the HOs experienced by users. The proposed framework constrains users’ quality-of-service demands, transmit power budgets, molecular absorption loss thresholds, illumination requirements, and minimum electromagnetic field exposure. This joint problem is a mixed integer nonlinear programming problem which is generally intractable and mostly solved by decomposing into multiple sub-problems via alternating optimization. Different from the traditional approach, we cast this problem as a multi-objective optimization problem and obtain a solution that jointly optimizes all variables using quadratic optimization and MM approach. Computational complexity analysis is presented for both solutions. The proposed placement solution is much faster than the optimal solution. Moreover, the time complexity does not increase with augmenting the number of THz APs. Also, the proposed mobility-aware joint resource allocation solution significantly outperforms the existing benchmarks.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».