Optimization of Discrete Power and Resource Block Allocation for Achieving Maximum Energy Efficiency in OFDMA Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Most of the resource allocation literature on the energy-efficient orthogonal frequency division multiple access (OFDMA)-based wireless communication systems assume continuous power allocation/control, while, in practice, the power levels are discrete (such as in 3GPP LTE). This convenient continuous power assumption has mainly been due to either the limitations of the used optimization tools and/or the high computational complexity involved in addressing the more realistic discrete power allocation/control. In this paper, we introduce a new optimization framework to maximize the energy efficiency of the downlink transmission of cellular OFDMA networks subject to power budget and quality-of-service constraints, while considering discrete power and resource blocks (RBs) allocations. The proposed framework consists of two parts: 1) we model the predefined discrete power levels and RBs allocations by a single binary variable and 2) we propose a close-to-optimal semidefinite relaxation algorithm with Gaussian randomization to efficiently solve this non-convex combinatorial optimization problem with polynomial time complexity. We notice that a small number of power levels suffice to approach the energy efficiency performance of the continuous power allocation. Based on this observation, we propose an iterative suboptimal heuristic to further reduce the computational complexity. Simulation results show the effectiveness of the proposed schemes in maximizing the energy efficiency, while considering the practical discrete power levels.
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.
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 | 0,000 | 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 découle