Optimal Resource Sharing and Network Beamforming in Multi-Carrier Bidirectional Relay Networks
Notice bibliographique
Résumé
Considering a bidirectional collaborative scheme, we study the problem of resource sharing between two transceiver pairs in a multi-carrier scenario. One pair, referred to as the primary pair, is considered to be the owner of the spectral resources, meaning that the rates of its users must be guaranteed to be greater than a predefined threshold. It is assumed that the other pair, called the secondary pair, owns the relay infrastructure. Considering no direct link between the transceivers in each pair, the primary network allows the secondary pair to use the spectral resources in order to establish a bidirectional communication between its transceivers. In exchange for this cooperation, the primary pair utilizes the relay infrastructure, thereby enabling a two-way communication between its transceivers. Assuming amplify-and-forward relaying scheme in each subchannel, the relays collectively build two network beamformers each of which enables communication between one pair of transceivers. Aiming to optimally calculate the parameters of the two networks, we study two different approaches. The first approach relies on maximizing the secondary network average sum-rate subject to two spectral power masks for the two networks, while providing a minimum sum-rate to the primary pair in a multi-relay scenario. In the second approach, we consider a constraint on the total power consumed in each network over all subchannels, while maximizing the sum-rate of the secondary transceivers. In this approach, we provide two iterative convex search solutions, one for a single-relay case and one for a multi-relay scenario.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».