Ultra-Dense LEO-MEO Constellation Integrated 6G: A Distributed Hierarchical Mobility Management Approach
Notice bibliographique
Résumé
The booming renaissance and rapid development of ultra-dense low earth orbit (LEO) satellite networks (UD-LSNs) are envisioned to realize a giant leap forward for the future sixth generation (6G) coverage expansion, bridging digital divide for remote areas and providing continuous services for user terminals worldwide. However, the inherent dual mobility, massive access scenarios and highly overlapped coverage may trigger frequent, vast and ping-pong handovers, especially with the existing limited and fixed deployment of terrestrial mobility functional entity. To this end, by exploiting the unique opportunity of UD-LSNs, we devise a medium Earth orbit (MEO) assisted distributed hierarchical mobility management architecture (HDMMA) with flexible function configuration to adapt the high dynamic and large scale network. Subsequently, the lightweight handover procedures (LHPs) are proposed for two scenarios under the HDMMA to ensure service continuity, that is on-orbit handover and off-orbit handover. Considering the user mobility attributes and satellite available resources, the on-orbit handover introduces user aggregate to share signaling overhead, while the off-orbit handover is further classified into intra-cluster, inter-cluster and inter-group handover based on the clustering and grouping. Furthermore, we conduct theoretical analysis model on the proposed LHP in terms of signaling overhead and handover latency. Simulation results verify the handover characteristics in UD-LSNs, illustrate the superiority of our HDMMA and demonstrate the handover performance improvement of the proposed LHP.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».