Distributed Uplink Power Control for Multi-Cell Cognitive Radio Networks
Notice bibliographique
Résumé
We present a distributed power control algorithm to address the uplink interference management problem in cognitive radio networks where the underlaying secondary users (SUs) share the same licensed spectrum with the primary users (PUs) in multi-cell environments. Since the PUs have a higher priority of channel access compared to the SUs, minimal number of SUs should be gradually removed, subject to the constraint that all primary users are supported with their target signal-to-interference-plus-noise ratios (SINRs), which is assumed feasible. In our proposed algorithm, each primary user rigidly tracks its target-SINR by employing the conventional target-SINR tracking power control algorithm (TPC). Each transmitting SU employs the TPC as long as the total received power at the primary receiver is below a given threshold; otherwise, it decreases its transmit power in proportion to the ratio between the given threshold and the total received power at the primary receiver, which is referred to as the total received-power-temperature. We show that our proposed distributed power-update function has at least one fixed-point. We also show that our proposed algorithm not only improves the number of supported SUs but also guarantees that all primary users are supported with their (feasible) target-SINRs. Finally, we also propose an enhanced power control algorithm that achieves zero-outage for PUs and a better outage ratio for SUs. To this end, we provide a robust power control method that considers the uncertainties in channel gains.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».