Distributed Resource Allocation for Cognitive Radio Ad-Hoc Networks with Spectrum-Sharing Constraints
Notice bibliographique
Résumé
In cognitive radio settings with highly dynamic primary activities and with small opportunities for secondary access, the requirement to fairly distribute the temporarily available spectral ranges among the unlicensed users turns out to be of particular relevance. The current paper addresses this issue by presenting a new design formulation that aims to optimize the performance of an orthogonal-frequency-division-multiple-access (OFDMA) ad-hoc cognitive radio network, by means of joint subcarrier assignment and power allocation. Besides important constraint on the tolerable interference induced to primary network, to efficiently implement spectrum-sharing fairness, the optimization problem considered here strictly enforces upper and lower bounds on the total amount of temporarily available bandwidth to be granted to individual secondary users. Specifically, the system throughput is maximized via the application of Lagrangian duality theory. More importantly, the dual decomposition framework also gives rise to the realization of distributed solution. As the proposed distributed protocol requires very limited cooperation among the participating network elements, it is especially applicable for the ad-hoc networking environment under investigation, to which any central processing or control is certainly inaccessible. While the computational complexity of the devised algorithm is affordable, its performance in practical scenarios also attains the actual global optimum. The potential of the proposed approach is verified through asymptotic complexity analysis and via numerical examples.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».