In this paper, we propose algorithm

In this paper, we propose algorithm for a self-optimizing
NCL in networks with HeNBs. We focus on reduction of the
number of scanned cells after an initial NCL is defined. For the
initial NCL built-up, we consider sensing with hidden node
discovery algorithm defined in [13]. An innovation of our
approach consists in further reduction of the NCL by exploiting
knowledge of user's behavior and by dynamic adaptation of a
threshold for scanning according to the quality of the signal
received from the serving cell and interference.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราเสนอขั้นตอนวิธีการให้เหมาะสมกับตนเองNCL ในเครือข่าย ด้วย HeNBs เรามุ่งเน้นการลดการจำนวนเซลล์สแกนหลังจากกำหนด NCL เป็นต้น สำหรับการเริ่มต้น NCL ที่เนื้อที่ เราพิจารณาตรวจกับโหนดอื่นที่ซ่อนอยู่อัลกอริทึมการค้นพบที่กำหนดไว้ใน [13] นวัตกรรมใหม่ของเราแนวทางประกอบในการลดเพิ่มเติมของ NCL ที่ โดย exploitingความรู้ ของพฤติกรรมของผู้ใช้ และปรับแบบไดนามิกของการขีดจำกัดสำหรับการสแกนตามคุณภาพของสัญญาณได้รับจากบริการเซลล์และสัญญาณรบกวน

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เรานำเสนอขั้นตอนวิธีการเพิ่มประสิทธิภาพด้วยตนเอง
NCL ในเครือข่ายที่มี HeNBs เรามุ่งเน้นไปที่การลดลงของ
จำนวนของเซลล์สแกนหลังจากที่เริ่มต้น NCL ถูกกำหนด สำหรับการ
เริ่มต้น NCL ตัวขึ้นเราพิจารณาการตรวจจับที่มีโหนดซ่อน
ขั้นตอนวิธีการที่กำหนดไว้ในการค้นพบ [13] นวัตกรรมของเรา
ประกอบด้วยวิธีการในการลดลงของ NCL โดยการใช้ประโยชน์จาก
ความรู้เกี่ยวกับพฤติกรรมของผู้ใช้และการปรับตัวแบบไดนามิกของ
เกณฑ์สำหรับการสแกนตามคุณภาพของสัญญาณ
ที่ได้รับจากการให้บริการโทรศัพท์มือถือและการรบกวน

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เรานำเสนออัลกอริทึมสำหรับตนเองเหมาะสม
NCL ในเครือข่ายกับ henbs . เรามุ่งเน้นการลด
จำนวนเซลล์สแกนหลังค่าเริ่มต้นจะกำหนด สำหรับ
เริ่มต้น NCL built-up เราพิจารณาจากโหนด
ที่ซ่อนด้วยขั้นตอนวิธีการค้นพบที่กำหนดไว้ใน [ 13 ] นวัตกรรมของวิธีการของเรา
ประกอบด้วยในการลดของค่าโดย exploiting
ความรู้และพฤติกรรมของผู้ใช้ โดยการปรับแบบไดนามิกของ
เกณฑ์สำหรับการสแกนตามคุณภาพของสัญญาณที่ได้รับจากการให้บริการ
เซลล์และสัญญาณรบกวน