MétaCan
Menu
Retour à la cohorte
Enregistrement W4415047836 · doi:10.1109/mwc.2025.3599659

CmWave and Sub-THz: Key Radio Enablers and Complementary Spectrum for 6G

2025· article· en· W4415047836 sur OpenAlexaff
Mayur Katwe, Aryan Kaushik, Keshav Singh, Marco Di Renzo, Shu Sun, Doohwan Lee, Ana García Armada, Yonina C. Eldar, Octavia A. Dobre, Theodore S. Rappaport

Notice bibliographique

RevueIEEE Wireless Communications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Science and Technology Council
Mots-clésKey (lock)StandardizationRadio spectrumCognitive radioSpectrum managementSpectrum (functional analysis)Electromagnetic spectrum

Résumé

récupéré en direct d'OpenAlex

Sixth-generation (6G) networks are poised to revolutionize communication by exploring alternative spectrum options, aiming to capitalize on strengths while mitigating limitations in current fifth-generation (5G) spectrum. This paper explores the potential opportunities and emerging trends for cmWave and sub-THz spectra as key radio enablers. We pose and answer three key questions regarding motivation of additional spectrum to explore the strategic implementation and benefits of cmWave and sub-THz spectra. We also show using case studies how these complementary spectrum bands will enable new applications in 6G, such as integrated sensing and communication (ISAC), holographic surfaces and space-air-ground integrated networks. Numerical simulations reveal that the ISAC performance of cmWave and sub-THz spectra outperforms that of existing 5G spectrum, including sub-6 GHz and mmWave. Additionally, we discuss the importance of these complementary bands over conventional bands to enable extended ultra reliable and low-latency communications with better rate-latency-reliability trade-off. Finally, ongoing standardization endeavours, challenges and promising directions are elucidated for these complementary spectrum bands.

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 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 enseignants0,902
Score d'incertitude au seuil0,597

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 GPT0,257
Écart entre enseignants0,238 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless CommunicationsMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207