Impact of Heterogeneous Fading Channels in Power Limited Cognitive Radio Networks
Notice bibliographique
Résumé
The tradeoff between decreasing the interference to primary user (PU) and increasing secondary users' (SUs') achievable throughput is an important problem in cognitive radio networks. Heterogeneous fading channels from PU to multiple SUs, PU's traffic distribution, limited SU's power and multiple SUs' access contention impact both these two conflicting objectives. In this paper, we study the joint impact of these four factors on the tradeoff. More specifically, we consider that the channels from PU to SUs are exposed to non-identically independent free space path losses, PU's traffic randomly arrives and departs from the channel, every SU's average power consumption is limited, while multiple SUs contend to transmit. We first model the impact of these factors on SUs' spectrum sensing and data transmission. Then, we formulate the tradeoff aiming at maximizing SUs' aggregated throughput under two constraints: 1) interference probability to PU and 2) SUs' average power consumption. To solve the optimization problem, we design a novel cluster based particle swarm optimization (C-PSO) algorithm. By iteratively updating the particles in a cluster based on the comparison of their fitnesses, the cluster converges to the optimal solution rapidly. Simulation results validate the feasibility of the C-PSO algorithm and the outperformance of our proposal compared against related contributions which consider the homogeneous fading channel. They also show how the optimal solution varies with path losses and PU's traffic distribution.
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 | 0,004 |
| 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 | 0,001 | 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) | 0,000 | 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 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 ».