Uplink Achievable Rate and Power Allocation in Cooperative LTE-Advanced Networks
Notice bibliographique
Résumé
This paper studies the achievable rate and power allocation to improve the uplink (UL) spectrum efficiency in a Long-Term Evolution Advanced (LTE-A) cooperative cellular network with the deployment of Type-II in-band decode-and-forward (DF) relay stations (RSs). The physical-layer UL transmission technology is based on single-carrier frequency-division multiple access (SC-FDMA) with frequency-domain equalization (FDE). Different from the downlink (DL) orthogonal FDMA system, signals on all subcarriers in the SC-FDMA system are transmitted sequentially rather than in parallel; thus, the user's achievable rate is not simply the summation of the rates on all allocated subcarriers. Moreover, each user equipment (UE) device has its own transmission power constraint instead of a total power constraint at the base station in the DL case. Therefore, the UL resource allocation problem in the LTE-A system is more challenging. To this end, we first derive the achievable rates of the SC-FDMA system with two commonly used FDE techniques, namely, zero-forcing (ZF) equalization and minimum-mean-square-error (MMSE) equalization, based on the joint superposition coding for cooperative relaying. We then propose optimal power allocation schemes among subcarriers at both the UE and RS to maximize the overall throughput of the system. Both theoretical analysis and numerical results demonstrate that our proposed power allocation schemes can drastically improve system throughput.
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 | 0,000 | 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 ».