An Improved Coalition Game Approach for MIMO-NOMA Clustering Integrating Beamforming and Power Allocation
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
The multiple-input multiple-output non-orthogonal multiple access (MIMO-NOMA) has been considered as a promising multiple access technology for the fifth generation (5G) networks to improve the system capacity and the spectral efficiency. In this paper, we propose a cluster beamforming strategy to jointly optimize beamforming vectors and power allocation coefficients for mobile users (MUs) in MIMO-NOMA clustering with the aim of reducing the total power consumption. This approach avoids the peer effect during the process of beamforming matrix calculation and can obtain a closed-form solution of beamforming strategy for multi-MU MIMO-NOMA clusters. To minimize the total power consumption, we further propose an improved coalition game approach to effectively optimize MU clustering for the large-scale MIMO networks, in which the size of a cluster is flexible. Furthermore, we discuss two different MIMO-NOMA scenarios and show that employing a NOMA power coefficient set can achieve a better performance than employing a single NOMA power coefficient for each MU in a cluster. Simulation results include the performance analysis for a single MIMO-NOMA cluster and the clustering result for a large-scale MIMO system with many MUs, which show that the proposed approach is superior than counterparts in finding the power efficient MIMO-NOMA clusters.
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