Power Control for D2D Underlay Cellular Networks With Channel Uncertainty
Notice bibliographique
Résumé
Device-to-device (D2D) communications underlying the cellular infrastructure are a technology that have been proposed recently as a promising solution to enhance cellular network capabilities. It improves spectrum utilization, overall throughput, and energy efficiency while enabling new peer-to-peer and location-based applications and services. However, interference is the major challenge, since the same resources are shared by both systems. Therefore, interference management techniques are required to keep the interference under control. In this paper, in order to mitigate interference, we consider centralized and distributed power control algorithms in a one-cell random network model. Existing results on D2D underlay networks assume perfect channel state information (CSI). This assumption is usually unrealistic in practice due to the dynamic nature of wireless channels. Thus, it is of great interest to study and evaluate achievable performances under channel uncertainty. Differently from previous works, we are assuming that the CSI may be imperfect and include estimation errors. In the centralized approach, we derive the optimal powers that maximize the coverage probability and the rate of the cellular user while scheduling as many D2D links as possible. These powers are computed at the base station (BS) and then delivered to the users, and hence the name “centralized”. For the distributed method, the ON-OFF power control and the truncated channel inversion are proposed. Expressions of coverage probabilities are established in the function of D2D links intensity, pathloss exponent, and estimation error variance. Results show the important influence of CSI error on achievable performances and thus how crucial it is to consider it while designing networks and evaluating performances.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».