Interference Management Using Cooperative NOMA in Multi-Beam Satellite Systems
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
In this paper, we propose overlay coding scheme as the capacity achieving multiple access technique, i.e., transmitting over non-orthogonal channels. We employ the cooperative non-orthogonal multiple access (NOMA) in multi-beam satellite systems with dense frequency reuse. The overlay coding uses the cooperation of the strongest co-channel interference (CCI) as extra source of information, where the data intended for the target user is shared between the cooperating beams. The involved beams cooperate in jointly transmitting the data to the target user at the same time. Thus, the target user receives a signal containing the aggregate of the data streams from cooperating beams, similar to a multiple access channel (MAC). Our proposition is based on the duality theorem of MAC and broadcast channels (BC) capacity regions. Hence, by employing successive interference cancellation (SIC) both data could be recovered, as proposed in NOMA. In order to employ overlay coding in multibeam satellite systems, we propose an approach based on optimized user pairing strategies. We devise an information theoretic framework followed by simulation to compare different strategies by evaluating the aggregate data rate in the beam of interest. Being based on SIC, the existence of residual errors will degrade the spectral efficiency gain in overlay coding. We investigate the effect of channel signal to noise plus interference ratio (SNIR) estimation errors. Finally, it is verified by simulation that these issues can be overcome and overlay coding can reach expected data throughput very close to the cases with perfect channel estimation.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle