Optimal Power Allocation for Maximum Throughput of General MU-MIMO Multiple Access Channels With Mixed Constraints
Notice bibliographique
Résumé
Based on the efficient generalized water-filling with group peak power constraints (GWFGP), this paper proposes an iterative algorithm to compute the optimal solutions to system throughput (sum-rate) maximization problems. This class of problems is equipped with the multiuser multiple input multiple output multiple access channels (MU-MIMO MAC) in the general communication systems. The proposed iterative GWFGP algorithm (IGWFGP) has two levels of loops. The inner loop aims at computing the solution to each member in the family, while the outer loop aims at computing the solution to the target problem based on the results obtained by the inner loop. Both GWFGP and the convergence theory of an algorithm are used in the inner loop and the outer loop respectively. Furthermore, by exploiting the concept of variable weighting factor for covariance update, IGWFGP owns fast convergence and provides optimal solutions to the sum rate maximization problems. The usage of the convergence theory in IGWFGP and the algorithm of GWFGP are efficient and novel. To the best of the authors' knowledge, no prior algorithm has been reported in the open literature to solve the targeted problem in this paper. In addition, the proposed algorithm does not require to choose the initial value for computation. This feature is a significant advantage of the algorithm, especially for large and complicated systems.
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 | 0,001 |
| Science ouverte | 0,001 | 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 ».