MétaCan
Menu
Retour à la cohorte
Enregistrement W2847994468 · doi:10.1109/iccw.2018.8403619

Energy-Efficient Power Allocation for Hybrid Multiple Access Systems

2018· article· en· W2847994468 sur OpenAlexaff
Ming Zeng, Animesh Yadav, Octavia A. Dobre, H. Vincent Poor

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMaximizationMathematical optimizationEfficient energy useComputer scienceTransmitter power outputEnergy (signal processing)Power (physics)Regular polygonSpectral efficiencyConvex optimizationMathematicsTelecommunicationsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, energy-efficient power allocation (PA) is studied for a hybrid system with non-orthogonal multiple access (NOMA) integrated into orthogonal multiple access (OMA). The considered energy efficiency (EE) maximization problem belongs to non-convex fractional functions. To tackle it, the corresponding spectral efficiency maximization problem for a given transmit power is first considered. By changing the variables from power coefficients to user rates, the non-convex problem is transformed into a convex one, for which a closed-form solution is obtained. On this basis, the optimal transmit power is determined to maximize the EE of the system by exploiting the property of pseudo-concave functions. Numerical results are presented to validate the effectiveness of the proposed energy-efficient PA strategy, as well as the superiority of the hybrid MA over OMA in terms of EE.

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 enseignants0,971
Score d'incertitude au seuil0,353

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 ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,263
Écart entre enseignants0,241 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207