Implementation of New Multiple Access Technique Encoder for 5G Wireless Telecommunication Networks
Bibliographic record
Abstract
To my family and beloved ones… For making my earlier heaven more wonderful each day by being who they are For their endless love, support and encouragement v RÉSUMÉ Les exigences de la connectivité mobile massive de différents appareils et de diverses applications déterminent les besoins des prochaines générations de technologies mobiles (5G) afin de surmonter les demandes futures.L'expansion significative de la connectivité et de la densité du trafic caractérisent les besoins de la cinquième génération de réseaux mobiles.Par conséquent, pour la 5G, il est nécessaire d'avoir une densité de connectivité beaucoup plus élevée et une plus grande portée de mobilité, un débit beaucoup plus élevé et une latence beaucoup plus faible.En raison de l'exigence d'une connectivité massive, de nombreuses nouvelles technologies doivent être améliorées: le codage des canaux, la technique d'accès multiple, la modulation et la diversité, etc. Par conséquent, compte tenu de l'environnement 5G, surcoût de signalisation et de la latence devrait être pris en compte [1].En outre, l'application de la virtualisation des accès sans fil (WAV) devrait également être considérée et, par conséquent, il est également nécessaire de concevoir la plate-forme matérielle prenant en charge les nouvelles normes pour la mise en œuvre des émetteurs-récepteurs virtuels.L'une des nouvelles technologies possibles pour la 5G est l'accès multiple pour améliorer le débit.Par conséquent, au lieu d'OFDMA utilisé dans la norme LTE (4G), l'application d'une nouvelle technique d'accès multiple appelée Sparse Code Multiple Access (SCMA) est investiguée dans cette dissertation.SCMA est une nouvelle technique d'accès multiple non orthogonale du domaine fréquentiel proposée pour améliorer l'efficacité spectrale de l'accès radio sans fil [2].L'encodage SCMA est l'un des algorithmes les plus simples dans les techniques d'accès multiple qui offre l'opportunité d'expérimenter des méthodes génériques de mise en œuvre.En outre, la nouvelle méthode d'accès multiple est supposée fournir un débit plus élevé.Le choix du codage SCMA avec moins de complexité pourrait être une approche appropriée.La cible fixée pour cette recherche était d'atteindre un débit d'encodage de plus de 1 Gbps pour le codeur SCMA.Les implémentations de codage SCMA ont été effectuées à la fois en logiciel et en matériel pour permettre de les comparer.Les implémentations logicielles ont été développées avec le langage de programmation C. Parmi plusieurs conceptions, la performance a été améliorée en utilisant différentes méthodes pour augmenter le parallélisme, diminuer la complexité de calcul et par conséquent le temps de traitement.Les résultats de la mise en œuvre logicielle ont permis d'atteindre un débit de 3,59 Gbps, soit 3,5 fois plus que le débit cible.vi Pour la mise en œuvre matérielle, une synthèse de haut niveau a été expérimentée.Pour ce faire, les fonctions et les bancs de test exprimés en langage C et développés pour les implémentations logicielles ont été utilisées comme entrées pour Vivado HLS.En ce qui concerne les caractéristiques de la conception réalisée avec Vivado HLS, cet outil est guidé par un ensemble de contraintes et directives appliquées aux modèles pour obtenir les meilleurs résultats.L'exploitation des contraintes et directives a permis d'obtenir des mises en œuvre performantes.Les meilleurs résultats de synthèse obtenus ont produit un encodage à 8 Gbps, soit 8 fois plus que le débit cible.En dépit du fait que la principale préoccupation de la mise en œuvre du codage SCMA est d'avoir un débit plus élevé, afin de déterminer les meilleurs résultats d'implémentations matérielles, La complexité de la zone a également été considérée.Par conséquent, la meilleure conception a été choisie en fonction de l'analyse de type Aire×Temps.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".