MétaCan
Menu
Retour à la cohorte
Enregistrement W2900640669 · doi:10.1109/tvt.2018.2866612

On the Performance of NOMA in the Two-User SWIPT System

2018· article· en· W2900640669 sur OpenAlexaff
Mohammadali Hedayati, Il‐Min Kim

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésNomaDecoding methodsComputer scienceWirelessQuality of serviceEnergy consumptionMaximum power transfer theoremChannel (broadcasting)Energy harvestingEnergy (signal processing)Cognitive radioComputer networkPower (physics)TelecommunicationsTelecommunications linkEngineeringElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate nonorthogonal multiple access (NOMA) for a simultaneous wireless information and power transfer (SWIPT) system consisting of a battery powered access point and two energy harvesting users. In SWIPT, there exists an information-energy tradeoff. Since the adoption of NOMA may cause more energy consumption than the orthogonal multiple access (OMA), it is not known whether NOMA can always enhance the spectral efficiency in SWIPT systems compared to OMA. We prove that NOMA performs better than OMA when the decoding energy consumption is negligible. However, for the nonnegligible decoding energy consumption, we show that NOMA is not always superior to OMA. Interestingly enough, for the nonnegligible decoding energy consumption, OMA can outperform NOMA when the channel power gains of the two users are not sufficiently different. Moreover, we study the performance of cognitive radio inspired NOMA (CR-NOMA), in which the power is allocated to the user with poor channel condition such that its quality of service (QoS) requirement is met. Different from the battery powered CR-NOMA, the analytical results show that CR-NOMA can outperform OMA in SWIPT systems only if the channel power gains of users are sufficiently different and the QoS of the weak user is above a threshold.

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: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations47
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207