Transmit Power Optimization for Amplify-and-Forward Relay Networks With Reduced Overheads
Notice bibliographique
Résumé
Transmit power optimization or power control plays an important role in implementing wireless relay networks since it can significantly improve system performance, such as transmission rate, power consumption, etc. However, power optimization introduces considerable control channel overheads due to exchanging channel state information (CSI) and optimization results. In this paper, we aim to design a new power optimization scheme to reduce overheads while avoiding a large performance loss. We consider a typical three-node amplify-and-forward relay network consisting of a source, a relay, and a destination. The power of source and that of relay are optimized to minimize the total power consumption under the constraint of a minimum transmission rate or nonviolation probability. We first define and analyze two schemes based on traditional routines, which are called Strategies I and II. In Strategy I, transmit power of both source and relay is optimized based on instantaneous CSI, whereas in Strategy II, transmit power is based on statistical CSI. We then propose a new partial CSI strategy, which is called Strategy III, where source power is based on statistical CSI, whereas relay power is based on instantaneous CSI. Strategy III is formulated and solved by the two-stage stochastic programming method. With this new strategy, the control channel overhead can be reduced by 50% compared with Strategy I, and at the same time, the potential significant performance degradation as in Strategy II can be avoided. Simulation results show that the proposed strategy results in near-optimal performance when the relay is located close to the source.
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 | 0,001 | 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 ».