論文の概要: Improved propagation models for lte path loss prediction in urban &
suburban Ghana
- arxiv url: http://arxiv.org/abs/2001.05227v1
- Date: Wed, 15 Jan 2020 10:56:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 06:22:20.171454
- Title: Improved propagation models for lte path loss prediction in urban &
suburban Ghana
- Title(参考訳): 都市・郊外ガーナにおけるlte経路損失予測のための伝搬モデルの改善
- Authors: James D. Gadze, Kwame A. Agyekum, Stephen J. Nuagah and E.A. Affum
- Abstract要約: ガーナに展開されたLTEネットワークは、要求される100Mbpsのスループットをほとんど満たさないため、顧客の不満に繋がる。
本研究は、ガーナの環境における経路損失を、一般的な伝搬モデルと比較してより正確に予測する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To maximize the benefits of LTE cellular networks, careful and proper
planning is needed. This requires the use of accurate propagation models to
quantify the path loss required for base station deployment. Deployed LTE
networks in Ghana can barely meet the desired 100Mbps throughput leading to
customer dissatisfaction. Network operators rely on transmission planning tools
designed for generalized environments that come with already embedded
propagation models suited to other environments. A challenge therefore to
Ghanaian transmission Network planners will be choosing an accurate and precise
propagation model that best suits the Ghanaian environment. Given this,
extensive LTE path loss measurements at 800MHz and 2600MHz were taken in
selected urban and suburban environments in Ghana and compared with 6 commonly
used propagation models. Improved versions of the Ericson, SUI, and ECC-33
developed in this study predict more precisely the path loss in Ghanaian
environments compared with commonly used propagation models.
- Abstract(参考訳): LTEセルラーネットワークの利点を最大化するためには、慎重に適切なプランニングが必要である。
これは基地局配備に必要な経路損失を定量化するために正確な伝播モデルを使用する必要がある。
ガーナに展開されたLTEネットワークは、要求される100Mbpsのスループットをほとんど満たさないため、顧客の不満に繋がる。
ネットワークオペレータは、他の環境に適した組込み伝播モデルを持つ一般化された環境向けに設計された送信計画ツールに依存している。
したがって、ガーナの送信ネットワークプランナーにとっての課題は、ガーナの環境に最適な正確かつ正確な伝播モデルを選択することである。
これを踏まえ、ガーナの都市・郊外で800MHzと2600MHzのLTEパス損失測定を行い、6つの一般的な伝搬モデルと比較した。
本研究で開発されたEricson, SUI, ECC-33の改良版は, 一般的な伝搬モデルと比較して, ガーナ環境の経路損失をより正確に予測する。
関連論文リスト
- Drone-Enabled Load Management for Solar Small Cell Networks in Next-Gen
Communications Optimization for Solar Small Cells [0.0]
本研究では, 無人航空機搭載基地局(BSs)を用いて, グリーンマイクログリッドネットワーク内における安定かつセキュアな電力再配置を実現するための, 革新的な負荷伝達手法を提案する。
提案方式の複雑性は既存の電力ケーブル伝送方式に比べて著しく低い。
提案アルゴリズムは,最小数のドローン交換を必要としながら,BS電源の停止を低減できることが示されている。
論文 参考訳(メタデータ) (2023-11-05T13:21:38Z) - A Robust Machine Learning Approach for Path Loss Prediction in 5G
Networks with Nested Cross Validation [0.6138671548064356]
5Gネットワークシステムにおいて,従来の経路損失予測モデルを克服する機械学習(ML)手法を用いて経路損失予測を行う。
まず,中国北京の都市マクロセルシナリオで実施した総合的な計測キャンペーンから得られたデータセットを取得する。
我々は、経路損失を予測するために、サポートベクトル回帰(SVR)、キャットブースト回帰(CBR)、eXtreme Gradient Boosting Regression(XGBR)、人工ニューラルネットワーク(ANN)、ランダムフォレスト(RF)メソッドをデプロイし、平均絶対誤差(MAE)、平均平方誤差(MSE)で予測結果を比較した。
論文 参考訳(メタデータ) (2023-10-02T09:21:58Z) - How Generative Models Improve LOS Estimation in 6G Non-Terrestrial
Networks [0.18352113484137625]
LOS(Line-Of-Sight)は、衛星間と衛星間の両方のセグメントリンクに対して必要である。
本稿では,地球外6GネットワークにおけるLOS推定のための合成データ生成に生成モデルを用いるフレームワークを提案する。
論文 参考訳(メタデータ) (2023-05-30T08:36:43Z) - Distributed Multi-Agent Deep Q-Learning for Fast Roaming in IEEE
802.11ax Wi-Fi Systems [8.057006406834466]
Wi-Fi 6 IEEE 802.11axは無線ローカルネットワーク(WLAN)の第6世代(6G)技術として承認された。
本稿では,Wi-Fi 6 システムにおける Smart Warehouse 用ステーションローミングにおける遅延を効果的に抑えるために,高速ローミング (MADAR) アルゴリズムのためのマルチエージェント深層Q-ラーニングを提案する。
論文 参考訳(メタデータ) (2023-03-25T04:39:59Z) - 5G Long-Term and Large-Scale Mobile Traffic Forecasting [0.0]
我々は、異なる大都市圏に設置された14,000以上の細胞からトラフィックパターンを抽出し、シミュレートする。
提案したモデルは,31週間以上の都市で収集された実世界の5Gモバイルトラフィックデータセットを用いてテストされている。
論文 参考訳(メタデータ) (2022-12-21T09:26:33Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳(メタデータ) (2021-10-28T14:12:10Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳(メタデータ) (2020-12-06T01:30:12Z) - A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From
Communications to Sensing and Intelligence [152.89360859658296]
5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。
一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。
一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
論文 参考訳(メタデータ) (2020-10-19T08:56:04Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳(メタデータ) (2020-05-26T05:39:27Z) - Meta-Reinforcement Learning for Trajectory Design in Wireless UAV
Networks [151.65541208130995]
ドローン基地局(DBS)は、要求が動的で予測不可能な地上ユーザーへのアップリンク接続を提供するために派遣される。
この場合、DBSの軌道は動的ユーザアクセス要求を満たすように適応的に調整されなければならない。
新たな環境に遭遇したDBSの軌道に適応するために,メタラーニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-25T20:43:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。