MétaCan
Menu
Retour à la cohorte
Enregistrement W2617955761 · doi:10.1109/twc.2017.2706259

Joint Power Optimization for Device-to-Device Communication in Cellular Networks With Interference Control

2017· article· en· W2617955761 sur OpenAlexafffund
Ali Ramezani-Kebrya, Min Dong, Ben Liang, Gary Boudreau, S. Hossein Seyedmehdi

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensEricsson (Canada)Ontario Tech UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPower controlBase stationComputer scienceTelecommunications linkBeamformingCellular networkMathematical optimizationInterference (communication)Optimization problemMaximizationJoint (building)Transmitter power outputPower (physics)Upper and lower boundsComputer networkMathematicsAlgorithmTransmitterTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

For device-to-device (D2D) communication under laid in a cellular network with uplink resource sharing, both cellular and D2D pairs may cause significant inter-cell interference (ICI) at a neighboring base station (BS). In this paper, under optimal BS receive beamforming, we jointly optimize the power of a cellular user (CU) and a D2D pair for their sum rate maximization, while satisfying minimum SINR requirements and worst-case ICI limit in multiple neighboring cells. We solve this non-convex joint optimization problem in two steps. First, the necessary and sufficient condition for the D2D admissibility under given constraints is obtained. Finally, we consider joint power control of the CU and D2D transmitters. We propose a power control algorithm to maximize the sum rate. Depending on the severity of ICI that D2D and CU may cause, we categorize the feasible solution region into five cases, each of which may further include several scenarios based on minimum SINR requirements. The proposed algorithm is optimal when ICI to a single neighboring cell is considered. For multiple neighboring cells, we provide an upper bound on the performance loss by the proposed algorithm and conditions for its optimality. We further extend our consideration to the scenario of multiple CUs and D2D pairs, and formulate the joint power control and CU-D2D matching problem. We show how our proposed solution for one CU and one D2D pair can be utilized to solve this general joint optimization problem. Simulation demonstrates the effectiveness of our power control algorithm and the nearly optimal performance of the proposed approach in the setting of multiple CUs and D2D pairs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,256
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207