Dynamic Cell Association for Non-Orthogonal Multiple-Access V2S 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
To meet the growing demand of mobile data traffic in vehicular communications, the vehicle-to-small-cell (V2S) network has been emerging as a promising vehicle-to-infrastructure technology. Since the non-orthogonal multiple access (NOMA) with successive interference cancellation (SIC) can achieve superior spectral and energy efficiency, massive connectivity and low transmission latency, we introduce the NOMA with SIC to V2S networks in this paper. Due to the fast vehicle mobility and varying communication environment, it is important to dynamically allocate small-cell base stations and transmit power to vehicular users with considering the vehicle mobility in NOMA-enabled V2S networks. To this end, we present the joint optimization of cell association and power control that maximizes the long-term system-wide utility to enhance the long-term system-wide performance and reduce the handover rate. To solve this optimization problem, we first equivalently transform it into a weighted sum rate maximization problem in each time frame based on the standard gradient-scheduling framework. Then, we propose the hierarchical power control algorithm to maximize the equivalent weighted sum rate in each time frame based on the Karush-Kuhn-Tucker (KKT) optimality conditions and the idea of successive convex approximation. Finally, theoretical analysis and simulation results are provided to demonstrate that the proposed algorithm is guaranteed to converge to the optimal solution satisfying KKT optimality conditions.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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