Energy-Efficient Power Allocation for HARQ Systems
Notice bibliographique
Résumé
Reliability of data transmission is a fundamental problem in wireless communications. Fading in wireless channels causes the signal strength to vary at the receiver and this results in loss of data packets. To improve the reliability, automatic repeat request (ARQ) schemes were introduced. However these ARQ schemes suffer from a reduction in the throughput. To address the throughput reduction, conventional ARQ schemes were combined with forward error correction (FEC) schemes to develop hybrid-ARQ (HARQ) schemes. For improving the reliability of data transmission, HARQ schemes are included in the wireless standards like LTE, LTE-Advanced and WiMAX. Conventional HARQ systems use the same transmission power in different ARQ rounds. However this is not optimal in terms of minimizing the average energy spent for successful transmission of a data packet. In this book chapter, the recent research results related to HARQ systems are reviewed first. Next, optimal resource allocation in HARQ systems with a limit on the maximum number of allowed transmissions for a data packet is considered in the next part. Specifically, the problem of minimizing the rate-outage probability under a constraint on average energy consumption per data packet for both incremental redundancy (IR)-based and Chase combining (CC)-based HARQ systems is considered. Towards solving the optimization problems, the expressions for rate-outage probability of both IR-HARQ and CC-HARQ systems in i.i.d. Rayleigh fading channels is provided. Methods to solve the optimization problems using nonlinear optimization techniques are discussed. To reduce the complexity of finding a solution, the rate-outage probability expressions are approximated, using which, the non-convex optimization problems are converted into geometric programming problems (GPPs), for which the closed-form solutions are derived. Illustrative and analytical results show that the proposed power allocation provides significant gains in energy savings over the traditional equal power allocation transmission, and the closed-form GPP solution can provide a performance close to that of the exact method for smaller values of rate-outage probability.
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 | 0,002 | 0,001 |
| 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 ».