Joint Subcarrier and Power Allocation for Cooperative Communications in LTE-Advanced Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper considers an LTE-Advanced cooperative cellular network where a Type II relay station (RS) is deployed to enhance the cell-edge throughput and to extend the coverage area. To better exploit the existing resources, the RS and the eNodeB (eNB) transmit in the same channel (In-Band) with decode-and-forward relaying strategy. For such a network, this paper proposes joint Orthogonal Frequency Division Multiplexing (OFDM) subcarrier and power allocation schemes to optimize the downlink multi-user transmission efficiency. Firstly, an optimal power dividing method between eNB and RS is proposed to maximize the achievable rate on each subcarrier. Based on this result, we show that the optimal joint resource allocation scheme for maximizing the overall throughput is to allocate each subcarrier to the user with the best channel quality and to distribute power in a water-filling manner. Since QoS provision is one of the major design objectives in cellular networks, we further formulate a lexicographical optimization problem to maximize the minimum rate of all users while improving the overall throughput. A sufficient condition for optimality is derived. Due to the complexity of searching for the optimal solution, we propose an efficient, low-complexity suboptimal joint resource allocation algorithm, which outperforms the existing suboptimal algorithms that simplify the joint design into separate allocation. Both theoretical and numerical analyses demonstrate that our proposed scheme can drastically improve the fairness as well as the overall throughput.
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.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle