MétaCan
Menu
Retour à la cohorte
Enregistrement W2952685718 · doi:10.1109/glocom.2014.7416943

Efficient Heuristic for Resource Allocation in Zero-Forcing OFDMA-SDMA Systems with Minimum Rate Constraints

2014· article· en· W2952685718 sur OpenAlexaff
Diego Perea-Vega, Jean François Frigon, A. Girard

Notice bibliographique

Revue2015 IEEE Global Communications Conference (GLOBECOM) · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensGroup for Research in Decision Analysis
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSubcarrierResource allocationHeuristicsSpace-division multiple accessSpectral efficiencyMathematical optimizationOrthogonal frequency-division multiple accessHeuristicMaximizationDistributed computingOrthogonal frequency-division multiplexingReal-time computingComputer networkTelecommunications linkChannel (broadcasting)Mathematics

Résumé

récupéré en direct d'OpenAlex

Multi-antenna OFDMA-SDMA systems provide the required high spectral efficiency and flexibility to support the ever increasing data rates requirements of real-time multimedia applications in future wireless access systems. However, the resource allocation process becomes extremely complex because of the large number of degrees of freedom and the strict timing requirement of real-time traffic. In this paper, we propose heuristics to efficiently solve the zero-forcing OFDMA-SDMA resource allocation problem and provide, when feasible, guaranteed service to users with minimum rate requirements. The heuristics combine both rate-constrained power allocation and subcarrier reassignment algorithms. We compare the heuristics performance against an upper bound and other methods proposed in the literature and find that, although they have a slightly lower sum rate performance, they support a wider range of minimum rates while significantly reducing the computational complexity, making them suitable for usage in real-time systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,953
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,260
Écart entre enseignants0,236 · 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.

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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2015 IEEE Global Communications Conference (GLOBECOM)Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207