MétaCan
Menu
Retour à la cohorte
Enregistrement W2785330315 · doi:10.1109/vtcfall.2017.8288122

Joint Channel Bandwidth and Power Allocations for Downlink Non-Orthogonal Multiple Access Systems

2017· article· en· W2785330315 sur OpenAlexaff
Yuan Wu, Liping Qian, Haowei Mao, Weidang Lu, Haibo Zhou, Changsheng Yu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBandwidth (computing)Telecommunications linkNomaSpectral efficiencyComputer networkThroughputResource allocationChannel allocation schemesTransmission (telecommunications)Channel (broadcasting)Single antenna interference cancellationWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

The advanced non-orthogonal multiple access (NOMA) has been considered as a promising scheme to satisfy the ultimate goals of future 5G cellular networks for providing ultra-high throughput and ultra-dense connections. By enabling a group of mobile users (MUs) to simultaneously share a same frequency channel and adopting successive interference cancellation to mitigate the co-channel interference, the NOMA can significantly improve the spectrum efficiency compared with the conventional orthogonal multiple access (OMA). However, due to cellular operators' limited and crowded spectrum resources, a critical question is how to properly size the channel bandwidth for the NOMA- enabled transmission to satisfy all MUs' traffic demands. In this paper, we propose a joint optimization scheme of bandwidth and power allocations for the NOMA- enabled downlink transmission, with the objective of minimizing the overall resource consumption cost that accounts for both the spectrum consumption cost and power consumption cost. In spite of the non-convexity nature of the joint optimization problem, we propose an efficient algorithm to compute the optimal bandwidth allocation and power allocation. Numerical results validate the proposed algorithm and the performance advantage of the proposed NOMA-enabled transmission in saving the overall resource consumption cost.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,938
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,288
Écart entre enseignants0,243 · 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 tête enseignante, 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207