MétaCan
Menu
Retour à la cohorte
Enregistrement W2032906529 · doi:10.1109/vetecf.2007.374

A Novel Subcarrier Allocation Algorithm for Multiuser OFDM System With Fairness: User's Perspective

2007· article· en· W2032906529 sur OpenAlexaff
Sanam Sadr, Alagan Anpalagan, Kaamran Raahemifar

Notice bibliographique

RevueIEEE Vehicular Technology Conference · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSubcarrierComputer scienceTelecommunications linkOrthogonal frequency-division multiplexingBase stationBit error rateMax-min fairnessResource allocationChannel (broadcasting)Transmitter power outputTransmission (telecommunications)Multiuser detectionAlgorithmFairness measureComputer networkMathematical optimizationReal-time computingWirelessTransmitterTelecommunicationsCode division multiple accessMathematicsThroughput

Résumé

récupéré en direct d'OpenAlex

In wireless multiuser OFDM systems, dynamic resource allocation has been shown to improve the performance by exploiting the multiuser diversity. In this paper we propose a subcarrier allocation algorithm to increase the total data rate for the downlink of a variable bit rate multiuser OFDM system with proportional rate constraints subject to bit error rate and total transmit power. We assume that the channel is quasi-static where the channel status does not vary within each transmission block and the base station has perfect knowledge of subchannel gains. The proposed algorithm is based on prioritizing the critical (most sensitive) user in the system and the variance of the subchannel gains for each user is used to define the sensitivity of the user to the subcarrier allocation. Simulation results show that this algorithm achieves higher capacity with acceptable proportional fairness compared to the previous suboptimal solutions proposed by Rhee et al. in [9] and Shen et al. in [12].

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Vehicular Technology ConferenceMême sujetAdvanced Wireless Network OptimizationTravaux en français237 207