Impact of varying UAV traffic on terrestrial users in 5G cellular network
Notice bibliographique
Résumé
Next-generation cellular networks present an opportunity to enable beyond visual line of sight (BVLoS) connectivity to unmanned aerial vehicles (UAVs). This work envisions and analyzes a cellular ecosystem where UAVs can coexist with terrestrial users (TUs). This article presents a proof-of-concept system-level simulations setup to understand the impact of UAV traffic on TUs. In the simulation setup, a test network is emulated in MATLAB based upon a Tier-1 cellular network in Canada. It is assumed that the existing down-tilted antennas optimized for TUs would serve the UAV traffic from their sidelobes. An urban scenario with inter-site distance (ISD) of 700 meters is implemented and the impact on TUs is studied by varying UAV traffic per sector, UAV locations, UAVs flying height and cellular frequency. This study is conducted on a lower band at 600 MHz and mid band at 2500 MHz at three UAV altitudes 120,80 and 60 meters. Simulation results reveal that in urban areas, the average SINR at user terminals is reduced by 3.97 -to-5.25dB for 50 TUs when there are 4 to 5 UAVs in the surrounding sectors (7 cells) as compared to when no UAVs are present. But still, the available signal-to-interference and noise ratio (SINR) support reasonably good terrestrial services.
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 | 0,001 |
| 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 ».