Efficacité énergétique des communications 5G

70 %

L'efficacité énergétique des communications en 5G est (definir dans une phrase). puis résumé de la page ///// devenue une préoccupation majeure dans l'évolution des communications radio. Dans un contexte où la (demande de débit < multiplexage ? ) et le prix de l'énergie augmentent, où (l'impact sur l'écologie devient plus important), où la santé des citoyens doit être fortement prise en considération, il est indispensable de trouver des solutions à ces problématiques. Nous allons voir comment la technologie 5G aborde ces problématiques qui d'un point de vue opérateur notamment le fait d'utiliser la technologie Massive MIMO (multiplication des antennes sur de plus petites cellules ne consommant pas plus d'énergie qu'actuellement) et comment d'un point de vue utilisateur, la technologie Sleeping Mode va permettre d'économiser de la batterie.

Ebauche d'un plan :

Qu'est-ce que l'efficacité énergétique dans le domaine des communications mobile ?

Il n’existe pas de définition universelle de l’efficacité énergétique. Généralement, l'efficacité énergétique consiste à utiliser moins d'énergie pour produire le même service ou le même rendement utile (Patterson, 1996).

Il y a plusieurs façons de considérer l'efficacité énergétique, un point de vu produit consistant à consommer moins d'énergie pour faire exactement la même chose, et d'un point de vu macro par exemple une voiture qui fait du covoiturage aura une meilleure efficacité énergétique qu'une voiture avec seulement le conducteur.

On utilise des indicateurs d’efficacité énergétique pour estimer l’importance des améliorations apportées à l’efficacité énergétique pour réduire la consommation d’énergie.

L'efficacité énergétique est mesurée en bit / Joule et une définition de l'efficacité énergétique courante est le rapport entre l'efficacité spectrale (en utilisation bit / canal) et la puissance émise (en utilisation Joule / canal).https://ieeexplore.ieee.org/document/6891254

Dans le domaine des communications mobiles plusieurs facteurs sont à prendre en compte  :

- L'énergie coûte cher aux opérateurs et aux utilisateurs et sa production a des effets sur l'environnement;

- La capacité de la batterie n'augmente que de 1,5 fois par décennie (ou de 4% par an);

- Le trafic mobile augmente de manière exponentielle et la consommation d'énergie doit être adaptée à la charge de trafic.

Optimisation de l'infrastructure en 5G

- Innovations des antennes

> Massive Mimo - Simplification de l'architecture entre les antennes et le cœur de réseaux

Pour la 5G, plusieurs recherches ont été faites pour augmenter le débit fournis, mais également d'un point de vu écologique, avec d'une part le côté financier pour les dépenses d'installation par rapport au débit fournis, mais aussi l'optimisation de la consommation d'énergie et de l'efficacité énergétique pour la transmission de données. La consommation électrique de chaque antenne peut être réduite par l'augmentation du nombre d’antennes.

C'est là qu'intervient la technologie Massive Mimo.

L'idée de massive MIMO consiste à densifier le nombre d’antennes déployées. En massive MIMO, les réseaux conventionnels avec seulement quelques antennes alimentées par du matériel volumineux et coûteux sont remplacés par des centaines de petites antennes alimentées par des amplificateurs et des circuits peu coûteux.

La densification des antennes présente deux avantages principaux :

- Une excellente efficacité spectrale, obtenue par multiplexage spatial de nombreux terminaux dans la même ressource temps-fréquence. Un multiplexage efficace exige que les canaux de différents terminaux soient suffisamment différents, ce qui s’est avéré valable, théoriquement et expérimentalement, dans divers environnements de propagation. Plus précisément, il est connu que Massive MIMO fonctionne aussi bien en visibilité directe qu'en diffusion dense .

- Une efficacité énergétique supérieure, grâce au gain de réseau, qui permet une réduction de la puissance rayonnée. De plus, la capacité à obtenir d'excellentes performances tout en utilisant des signaux de faible précision et un traitement linéaire permet en outre des économies considérables.

Jusqu'à récemment, la puissance de calcul des stations de base était ignorée ou simplement fixée comme une petite constante de l'énergie. Avec la 5G et la technologie Massive MIMO, il a été constaté par des simulations que la puissance de calcul des stations de base augmente à mesure que le nombre d'antennes et de largeurs de bande augmente. Par rapport à la puissance de transmission, la puissance de calcul jouera un rôle plus important dans l'optimisation de l'efficacité énergétique des réseaux à petite cellule 5G. L'optimisation de l'efficacité énergétique des réseaux de petites cellules 5G devrait prendre en compte simultanément calcul et puissance de transmission.

https://futurenetworks.ieee.org/tech-focus/march-2017/massive-mimo-for-5g << Explication sur ce qu'est MIMO et comment cela fonctionne

https://s3.amazonaws.com/academia.edu.documents/36749455/06736752.pdf?AWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A&Expires=1542555207&Signature=S6H8rPt%2BDzoaiXNFewqNp98ARWk%3D&response-content-disposition=inline%3B%20filename%3DIEEE_Communications_Magazine_at_BULLET.pdf << Complement sur Massive Mimo,, séparation indoor et outdoor,

--- https://ieeexplore.ieee.org/document/7926940/ - https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5528873/ <<< ce sont les mêmes articles

Cet article explique que l’énergie de calcul utilisé par la technique MIMO ne doit pas être considéré comme une simple constante, mais doit être considéré au moins autant que la consommation d’énergie pour alimenter les équipements.

Il y a de l'optimisation à faire dans les deux domaines pour augmenter l'efficacité énergétique des communications en 5G.

Problématique d'efficacité énergétique de la 5G, plus de station de base donc plus de consommation énergétique ? Vrai ou faux ?

Article avec des liens sur d'autres articles, différentes sources:

https://spectrum.ieee.org/energywise/telecom/wireless/will-increased-energy-consumption-be-the-achilles-heel-of-5g-networks

--- Rechercher le fonctionnement de Massive Mimo

https://arxiv.org/pdf/1511.08689.pdf

> architecture des points d'accès

L'architecture des points d'accès va évoluer avec la 5G. Cette dernière sera formée de petites cellules comportant des stations de base miniatures nécessitant un minimum d'énergie. Contrairement aux technologies actuelles, ces mini stations de base seront déployées tout les 250 mètres environ. Cette structure de réseau radicalement différente devrait permettre une utilisation plus ciblée et plus efficace du spectre. Avoir plus de stations signifie que les fréquences qu'une station utilise pour se connecter à des appareils situés dans une zone donnée peuvent être réutilisées par une autre station située dans une zone différente pour desservir un autre client. Il y a cependant un problème: le grand nombre de petites cellules nécessaires à la construction d'un réseau 5G peut rendre difficile l'installation dans les zones ruralesles stations de base 5G auront également beaucoup plus d’antennes que les stations de base des réseaux cellulaires d’aujourd’hui, ce qui leur permettra de tirer parti d’une autre nouvelle technologie: le Massive Mimo.

Les stations de base 4G actuelles disposent d’une douzaine de ports pour les antennes qui gèrent tout le trafic cellulaire: huit pour les émetteurs et quatre pour les récepteurs. Mais les stations de base 5G peuvent prendre en charge une centaine de ports, ce qui signifie que de nombreuses autres antennes peuvent tenir sur un même réseau. Cette capacité signifie qu'une station de base peut envoyer et recevoir des signaux de beaucoup plus d'utilisateurs à la fois, augmentant ainsi la capacité des réseaux mobiles. Attention toute fois, cette multiplication des antennes peut causer de nombreuses interférences, c'est pour cela que cette architecture doit comprendre la technologie beamforming :

Beamforming est un système de signalisation du trafic pour les stations de base cellulaires qui identifie la route de transmission de données la plus efficace pour un utilisateur particulier et réduit les interférences pour les utilisateurs à proximité.

Une étude a montré que selon le scénario de déploiement d'antennes utilisé, l'efficacité énergétique de Massive Mimo pouvait différer. En effet, plus les antennes sont réparties plus l'efficacité spectrale est importante mais pas forcément l'efficacité énergétique. Si les cellules se superposent, l'efficacité énergétique augmente. Cela s’explique par le fait qu’avec le nombre croissant de cellules sur la même zone, le nombre total d’utilisateurs desservis augmente, ce qui entraîne à son tour une augmentation de la puissance de calcul.

- Innovations du hardware

>> Vérifier si la techno 5G se limite à des changements d'antennes ou aussi du cœur de réseau

Energy-efficient hardware solutions refers to a broad category of strategies comprising the green design of the RF chain, the use of simplified transmitter/receiver structures, and, also, a novel architectural design of the network based on a cloud implementation of the radio access network (RAN) and on the use of network function virtualization. Attention has been given to the energy-efficient design of power amplifiers [143], [144], both through direct circuit design and through signal design techniques aimed at peak-to-average-power ratio reduction.

Hybrid analog and digital beamforming structures have been thus proposed as a viable approach to reduce complexity and, most relevant to us, energy consumption. Unlike previous contributions on the subject, which considered a fully-connected architecture requiring a large number of phase shifters, a more energy-efficient hybrid precoding 8 with sub-connected architecture is proposed and analyzed in conjunction with a successive interference cancellation (SIC) strategy. The paper also shows through simulation results that the proposed SIC-based hybrid precoding is near-optimal and enjoys higher energy efficiency than spatially sparse precoding [151] and fully digital precoding.

[A Survey of Energy-Efficient Techniques for 5G Networks and Challenges [p=184 - 191] p7 V. ]

- Innovations des dataCenters

La consommation d'énergie des centres de calcul [1] tient une place de plus en plus importante dans l'évolution des architectures réseaux qui tendent vers la virtualisation [2]. La consommation électrique globale d'un centre de calcul est liée à la consommation électrique de chaque unité cumulée. Afin que la croissance de cette consommation ne soit pas proportionnelle à l'augmentation du nombre d'équipements présents, l'optimisation du moindre facteur est en constante étude [3]. L'efficacité des différentes parties est importante mais une prise de recul est faite pour obtenir une optimisation la conception globale du centre de calcul.

Optimisation des terminaux en 5G

- Technologie Sleeping Mode permettant de sauvegarder la batterie - terminaux utilisateurs

https://ieeexplore.ieee.org/document/8288125
The Sleeping Mode concept aims at saving power by deactivating the system during idle periods, when no data needs to be transmitted or received and when there are no synchronization signals to be sent, because there is a fixed power consumed even at zero load.

In IMEC Power Model Tool [19], an advanced tool enabling to quantify the power consumption of the BS and its components, four different SMs denoted as Advanced Sleep Modes (ASMs) are introduced. They combine the BS's components having similar transition times (defined as their activation deactivation durations). These are:

• SMl: the shortest time unit considered is the OFDM symbol, i.e., , comprising both deactivation and reactivation durations. It is the fastest SM in which the Power Amplifier (PA) and some processing components are disabled.
• SM2: the time unit considered in this case is the sub-frame or Transmission Time Interval (TTI) of 1ms. It is a medium SM in which more components enter the sleeping state.
• SM3: the third time unit here is the frame of 10ms and it corresponds to a slow mode with most of the components deactivated.
• SM4: this mode considers 1s as a minimal sleep duration. It is the standby mode where the BS is out of operation but retains wake-up functionality (the backhaul remains active to re-activate the BS).

B. Buffering Approach
We consider in this work only users in connected mode and omit the case of initial cell selection. In a baseline scenario without ASM, we assume that a user is always served immediately upon service request. When in a SM, the BS does not transmit or receive anything but listens to incoming user traffic. We propose that a connected user who requests a service (such as download of a file) during this idle period is kept in a buffer until the BS wakes up. The buffering duration depends on the depth of the sleeping state: the deeper the SM, the longer it takes for the BS to wake up. It also depends on the state of the BS during the idle period: when the user request of service occurs during the deactivation slope, this user will have to wait until the components corresponding to the current SM finish their deactivation then wake up again.

If this request occurs during the sleep period, the user has to be buffered for a duration equal to the activation delay needed to wake up from the current SM. The service request can also occur while the BS is activating; in this case, the user has to wait for the remaining time for the activation to be served.

____

https://ieeexplore.ieee.org/document/7504476/

Explication du "sleep mode" qui permet d'économiser 20% de batterie par rapport à une connexion edge

https://ieeexplore.ieee.org/document/7504476

In this paper we proposed to combine microsleep, Discontinuous Reception and Transmission, and an aperiodic sleep mode. The reason is that the cellular subsystem being ON is amongst the main energy consumers and this can be reduced by optimized sleeping. By adapting the examined sleep modes to a 5G concept we estimate 20–90 % longer battery life compared to LTE depending on the traffic type and user requirements.

http://vbn.aau.dk/ws/files/206141678/master_Lauridsen.pdf

Explication précise de plusieurs concept permettant une amélioration de la batterie des appareils mobiles.

--- L'efficacité énergétique des communications ne concerne pas uniquement l'infrastructure, elle concerne également les terminaux. Nous allons voir comment cette nouvelle technologie permet d'optimiser l'efficacité énergétique des terminaux :

Concept de réception / émission discontinue et réveil du récepteur :

Différentes pistes sont étudiées pour permettre de limiter la charge sur les terminaux mobiles :

> Micro silence à l'aide d'une structure de trame :

https://ieeexplore.ieee.org/document/7504476/

Avec ce mode de fonctionnement, on rajoute une trame entre celle du contrôle d'information et celle de la donnée. Cette trame indique quand la transmission de la donnée va se faire et de ce faite le terminal va pouvoir se mettre en sommeil en attendant la transmission.184 - 191

Le terminal en 5G pourra appliquer un micro sommeil de 12 symboles sur 14, alors que la LTE permet un micro sommeil de 8 symboles sur 14. L'estimation d'énergie consommé est la suivante :

E μsleep,LTE = t ON,LTE ⋅P ON +t μSleep,LTE ⋅P μSleep =6ms1W+8ms⋅0.5W=10mJ

E μsleep,5G = t ON,5G ⋅P ON +t μSleep,5G ⋅P μSleep = 2ms1W+12ms⋅0.5W=8mJ

In 5G the control information and its associated data is separated by one frame, as illustrated in Fig. 2. This entails the mobile terminal knows whether it will receive or transmit data at the beginning of a frame and therefore it can apply pipelining and the microsleep mode, discussed in Sec II. Given fast power ON and OFF of parts of the RF subsystem and BB processor, the 5G mobile terminal can apply microsleep in 12 of 14 symbols per frame as compared to sleeping in 8 of 14 symbols in LTE [3]. The estimated energy consumption for LTE and microsleep is:

> B. Re-using DRX and DTX in 5G

In LTE the periodic DRX and DTX sleep modes are essential to prolong the battery life and therefore we study their applicability for 5G in this section. The use of DRX in 5G is particularly important due to video streaming being a key user scenario for 5G. According to [8] it will constitute 72 % of all mobile traffic in 2019 and have a year-over-year growth rate of 66 %. Video streaming is made either by downloading the entire file at once, called a bulk transfer, or by initially using a buffer phase followed by ON-OFF periods as identified by [9]. However mobile terminals never use the bulk transfer when streaming video from Netflix and YouTube [9], possibly because capacity and energy is wasted if the user prematurely stops watching the video. From a battery life perspective the ON-OFF streaming can be efficiently combined with the use of DRX. In [9] both short ON-OFF periods of 0.2-5 s and longer periods up to 60 s were observed. In addition, voice calls have a packet arrival rate of 20 ms [4] and therefore DRX settings must span from 20 ms to at least 60 s to support video and voice. In [7] it was discussed to only apply RRC connected mode combined with DRX in LTE, and this is also our proposal for 5G to provide the user the always-ON experience. However [7] noted that DRX must be made more adaptive by standardizing that the mobile terminal reports the running applications and what type of traffic it expects to generate. This will increase the signalling, but also help optimize the DRX settings and thus reduce the energy consumption and latency.

phd

To conclude the 5G concept targets to be “always ON” i.e. switching from a lowpower

mode to active data transfer within 10 ms. In this section it was discussed how

it may be achieved by relying on the use of a single connected mode combined with

adaptive DRX settings, which may have much longer periods than LTE’s 2.56 s. The

challenges to achieve this are the time required to power ON the cellular subsystem after

it has been in sleep mode in order to perform synchronization and channel estimation

before the data transfer occurs. The short frame length will entail the procedures can

be performed faster, but the power ON procedure itself is limited by how fast the

components can be powered ON, stabilize and obtain the required settings, e.g. phase

lock and a specific gain mode. Measurements on LTE DRX across 3 mobile terminal

generations have however showed that the procedures are performed faster and faster

and that the achieved sleep power levels are decreasing.

- Gestion "edge" des équipements machine to machine

https://ieeexplore.ieee.org/abstract/document/7553459

Mobile edge computing (MEC) is a promising paradigm to provide cloud-computing capabilities in close proximity to mobile devices in fifth-generation (5G) networks. In this paper, we study energy-efficient computation offloading (EECO) mechanisms for MEC in 5G heterogeneous networks <<< Technologie MEC, pas sûr de ce que c'est ...

https://ieeexplore.ieee.org/abstract/document/7738598 <<< très difficile à exploiter...

• Spectral and Energy Efficiency of Uplink D2D Underlaid Massive MIMO Cellular Networks https://ieeexplore.ieee.org/document/7948798

• Energy efficient power allocation for relay-aided D2D communications in 5G networks https://ieeexplore.ieee.org/document/7961363

• Energy Efficiency-Delay Tradeoff in Energy-Harvesting-Based D2D Communication: An Experimental Learning Approach https://ieeexplore.ieee.org/document/8360508

• Improving Energy-efficiency for Resource Allocation by Relay-Aided In-band D2D Communications in C-RAN-Based Systems https://ieeexplore.ieee.org/document/8580521

• How D2D communication influences energy efficiency of small cell network with sleep scheme https://ieeexplore.ieee.org/document/7136440

• Radio resource management for optimizing energy efficiency of D2D communications in cellular networks https://ieeexplore.ieee.org/document/7343479

• Energy- and Spectral-Efficiency Trade-Off for D2D-Multicasts in Underlay Cellular Networks https://ieeexplore.ieee.org/document/8260862

Comparaison de l'efficacité énergétique entre l'architecture 5G et l'historique

--- http://www.agir.ro/buletine/2785.pdf

Abstract: This paper is presenting technical aspects about energy efficiency for 5G mobile communications networks. In this paper is accomplished a comparison between the main features of 4G technology and the future 5G technology. Also, are specified solutions for „green” 5G mobile communications networks.

https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7448820 << efficacité energetique avec 1g > 5G

Brouillon, idées,...

L’efficacité énergétique de la 5G devra être optimisée car la technique de Massive MIMO est basée sur une « focalisation des communications ». Plutôt que de faire émettre les ondes dans toutes les directions depuis une antenne – c’est le cas de la 4G, et l’émission des ondes consomme de l’énergie –, les petites antennes 5G ne les envoient qu’au terminal qui entre dans le champ à sa portée, comme un train connecté.

- Efficacité énergétique pour bcp de bande passante

mais aussi pour des équipements qui ne demandent pas bcp de bande passante (transfert à bas coût) quid du edge ???

> s’intéresser au principe de LANDAUER

--- https://www.hindawi.com/journals/misy/2017/5121302/

--- https://www.irit.fr/networking2015/files/keynote-Mammela.pdf

--- https://www.sciencedirect.com/science/article/pii/S2405959515300503

--- https://ieeexplore.ieee.org/document/8023199

--- NSN, Flatten network energy consumption, Technology Vision 2020, White Paper, December 2013.

--- G. Piro et al., “NetNets powered by renewable energy sources,” IEEE Internet Computing , vol. 17, pp. 32-39, January/February 2013.

ƒ--- J. M. Rabaey et al., “PicoRadio supports ad hoc ultra-low power wireless networking,” Computer, vol. 33, no. 7, pp. 42 – 48, 2000.

--- T. Wang and L. Vandendorpe, “On the optimum energy efficiency for flat-fading channels with rate-dependent circuit power,” IEEE

Transactions on Communications, vol. 61, pp. 4910-4921, December 2013

--- L. Budzisz et al., “Dynamic resource provisioning for energy efficiency in wireless access networks: A survey and an outlook,” IEEE

Communications Surveys & Tutorials, vol. 16, no. 4, 2014 , pp. 2259 – 2285.

Bibliographie

Efficacité énergétique

• (en) S. de la Rue du Can, J. Sathaye, L. Price et M A. McNeil, « Energy Efficiency Measurement », Ernest Orlando Lawrence Berkeley National Laboratory, mai 2010, p. 7

• (en) A. SORSANIEMI, « 5G and Energy Efficiency », Future Connectivity Systems" DG CONNECT, EC, novembre 2017, p. 3

Massive MIMO

• (en) S. Buzzi, C. I, T. Klein, V. Poor, C. Yang et A. Zappone, « A Survey of Energy-Efficient Techniques for 5G Networks and Challenges Ahead », IEEE Journal on Selected Areas in Communications, vol. 34, n^o 4,‎ avril 2016, p. 697-709 (ISSN 0733-8716, DOI 10.1109/JSAC.2016.2550338)
• (en) E G. Larsson et L. Van der Perre, « Massive MIMO for 5G », IEEE 5G Tech Focus, vol. 1, n^o 1,‎ mars 2017 (lire en ligne)
• (en) X. Ge, J. Yang, H. Gharavi et Y. Sun, « Energy Efficiency Challenges of 5G Small Cell Networks », IEEE Communications Magazine, vol. 55, n^o 5,‎ mai 2017, p. 184 - 191 (ISSN 1558-1896, DOI 10.1109/MCOM.2017.1600788)
• (en) E. Björnson, L. Sanguinetti, J. Hoydis et M. Debbah, « Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is Massive MIMO the Answer? », EEE Transactions on Wireless Communications, vol. 14, n^o 6,‎ février 2015, p. 3059 - 3075 (ISSN 1558-2248, DOI 10.1109/TWC.2015.2400437)
• (en) D. Ha, K. Lee et J. Kang, « Energy efficiency analysis with circuit power consumption in massive MIMO systems », 2013 IEEE 24th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC),‎ septembre 2013, p. 1 (ISSN 2166-9589, DOI 10.1109/PIMRC.2013.6666272)
• (en) T L. Marzetta, E G. Larson, H. Yang et H. Quoc Ngo, Fundamentals of Massive MIMO, novembre 2016, 1 - 225 p. (ISBN 9781316799895, DOI 10.1017/CBO9781316799895)
• (en) M. Feng, S. Mao et T. Jiang, « Base Station ON-OFF Switching in 5G Wireless Networks: Approaches and Challenges », IEEE Wireless Communications, 2017,‎ mai 2017 (DOI 10.1109/MWC.2017.1600353)

Architecture des points d'accès

• (en) « 5G Explained - How 5G Works », EMF Explained 2.0

• (en) C. Gorman et K. Clark, « Everything You Need to Know About 5G », IEEE Spectrum
• (en) D. Qiao, Y. Wu et Y. Chen, « Massive MIMO architecture for 5G networks: Co-located, or distributed? », 2014 11th International Symposium on Wireless Communications Systems (ISWCS),‎ août 2014 (ISBN 978-1-4799-5863-4, DOI 10.1109/ISWCS.2014.6933345)

Hardware réseau

• {{article

Centres de calcul

• (en) Jyrki Huusko et Hermann de Meer, Energy Efficient Data Centers, mai 2012 (ISBN 978-3-642-33644-7, ISSN 0302-9743, DOI 10.1007/978-3-642-33645-4, lire en ligne)

Sleeping mode

• (en) M. Lauridsen, G. Berardinelli, F. Frederiksen et P. Mogensen, « Sleep Modes for Enhanced Battery Life of 5G Mobile Terminals », IEEE Xplore Digital Library,‎ mai 2016, p. 2-4 (ISBN 978-1-5090-1698-3, DOI 10.1109/VTCSpring.2016.7504476)
• (en) S. Buzzi, C. I, T E. Klein, C. Yang et A. Zappone, « A Survey of Energy-Efficient Techniques for 5G Networks and Challenges Ahead », IEEE Journal on selected areas in communication, vol. 34, n^o 4,‎ avril 2016, ???? (ISSN 0733-8716, DOI 10.1109/JSAC.2016.2550338)
• (en) M. Lauridsen, « Studies on Mobile Terminal Energy Consumption for LTE and Future 5G », Department of Electronic Systems, Aalborg University,‎ avril 2015, p. 109-126 (ISBN 978-87-7152-054-5, lire en ligne)
• (en) C. Bouras et G. Diles, « Energy efficiency in sleep mode for 5G femtocells », 2017 Wireless Days,‎ mars 2017, ???? (ISBN 978-1-5090-5856-3, DOI 10.1109/WD.2017.7918130)
• (en) F E. Salem, A. Gati, Z. Altman et T. Chahed, « Advanced Sleep Modes and Their Impact on Flow-Level Performance of 5G Networks », 2017 IEEE 86th Vehicular Technology Conference (VTC-Fall),‎ septembre 2017, ???? (ISBN 978-1-5090-5935-5, DOI 10.1109/VTCFall.2017.8288125)
• (en) I. Ashraf, F. Boccardi et L. Ho, « SLEEP mode techniques for small cell deployments », IEEE Communications Magazine, vol. 49, n^o 8,‎ août 2011, ???? (ISSN 1558-1896, DOI 10.1109/MCOM.2011.5978418)

Communications D2D

• {{article
• La Rédaction, « La 5G : comprendre la prochaine génération des réseaux télécoms », #DIGITALSNCF, juillet 2018

Historique réseaux mobile

• (en) Akshita Abrol et Rakesh Kumar Jha, « Power Optimization in 5G Networks: A Step Towards GrEEn Communication », IEEE Access, vol. 4,‎ avril 2016, p. 1355 - 1374 (ISSN 2169-3536, DOI 10.1109/ACCESS.2016.2549641)

Abréviations et acronymes en commun : articles liés

>> p-e à supprimer avant publication article

• 3GPP: 3rd Generation Partnership Project
• BS: Base Station
• BH: Backhaul
• CoA: Coverage Area
• CR: Coverage Ratio
• CS (RTC): Circuit Switched
• DCA: Designed Coverage Area
• DU: Dense Urban
• DV (PDU): Data Volume
• ECA: Effective Coverage Area
• EDGE: Enhanced Data rate GSM Evolution
• EE: Energy Efficiency
• FAO: Food and Agriculture Organization
• GSM: Global System for Mobile communication
• LTE: Long Term Evolution (5G >= Release 15)
• MN: Mobile Network
• MNO: Mobile Network Operator
• O&M: Operation and Maintenance
• PS: Packet Switched
  • PSL: Packet Switched Large packets dominating
  • PSS: Packet Switched Small packets dominating
• QoS: Quality of Service
• RAB: Radio Access Bearer
• RAN: Radio Access Network
• RAT: Radio Access Technology
• RC: Radio Controller
• RRC: Radio Resource Control
• RRH: Remote Radio Head
• RU: Rural
• SCH: Signalling Channel
• SINR: Signal to Interference plus Noise Ratio
• SU: Suburban
• SW: Software
• TCH: Traffic Channel
• U: Urban
• UE: User Equipment
• UTRAN: UMTS Terrestrial Radio Access Network