Resource Allocation for Energy Harvesting Assisted D2D Communications Underlaying OFDMA Cellular Networks
Notice bibliographique
Résumé
Device-to-Device (D2D) communications underlaying cellular communications has been explored in the literature for a while since the benefits of enhanced sum throughput and more efficient spectrum usage have been proven very promising through the activation of direct transmissions between a pair of devices. To achieve better performance in terms of energy preservation, we consider introducing energy harvesting (EH) mechanism into the traditional D2D model. Our aim is to maximize sum throughput for D2D users without compromising the QoS performance of cellular users (CUs) in an EH-aided communications model. D2D transmissions will only be activated at the beginning of a time slot if there remains enough energy, which is set as a lower threshold, for one-slot data transmission in the batteries of D2D users. Otherwise, it will switch into energy harvesting mode until the energy level in the batteries rises back to an upper threshold. The formulated optimization problem is a nonlinear mixed integer problem. Since it is mathematically challenging to get an optimal solution, we aim for a suboptimal solution with an iterative joint resource block and power resource allocation algorithm. Then we compare this heuristic algorithm with a simplified version where the constraints to make sure that every D2D user has at least one RB for communications are slighted. Numerical simulation results show that energy harvesting mechanism can efficiently power D2D communications underlaying cellular networks. They also corroborate higher sum throughput under different parameter settings of our first proposed approach.
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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».