Cross-Layer Scheduling for OFDMA Amplify-and-Forward Relay 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
In this paper, we consider cross-layer scheduling for the downlink of amplify-and-forward (AF) relay-assisted orthogonal frequency-division multiple-access (OFDMA) networks. The proposed cross-layer design takes into account the effects of imperfect channel-state information (CSI) at the transmitter (CSIT) in slow fading. The rate, power, and subcarrier allocation policies are optimized to maximize the system goodput (in bits per second per hertz successfully received by the users). The optimization problem is solved by using dual decomposition, resulting in a highly scalable distributed iterative resource-allocation algorithm. We also investigate the asymptotic performance of the proposed scheduler with respect to (w.r.t.) the numbers of users and relays. We find that the number of relays should grow faster than the number of users to fully exploit the <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">multiuser diversity</i> (MUD) gain. On the other hand, diversity from multiple relays can be exploited to enhance system performance when the MUD gain is saturated due to noise amplification at the AF relays. Furthermore, we introduce a feedback-reduction scheme to reduce the computational burden and the required amount of CSI feedback from the users to the relays. Simulation results confirm the derived analytical results for the growth of the system goodput and illustrate that the proposed distributed cross-layer scheduler only requires a small number of iterations to achieve practically the same performance as the optimal centralized scheduler, even if the information exchanged between the base station (BS) and the relays in each iteration is quantized, and the proposed CSI feedback reduction scheme is employed.
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 | 0,000 | 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 | 0,001 |
| 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