Impact of Wireless Backhaul Unreliability and Imperfect Channel Estimation on Opportunistic NOMA
Notice bibliographique
Résumé
We propose a new opportunistic non-orthogonal multiple access (NOMA) scheme under wireless backhaul unreliability and fronthaul channel uncertainty, where fronthaul represents regular radio access link. In particular, we propose two opportunistic methods for the proposed NOMA, which allow the best transmitter selection approaches based on either a near or a far-away receiver, considering the wireless backhaul unreliability and the fronthaul fading impairment. For the performance analysis, new closed-form expressions of exact and approximated outage probabilities of the grouped receivers are derived. The theoretical analysis provides an insight into the impact of wireless backhaul unreliability and imperfect channel estimation on the behaviour of outage probabilities at NOMA receivers. Furthermore, we analytically investigate how the number of multiple transmitters in the proposed opportunistic NOMA can determine the outage floors. We show that under unreliable wireless backhauls, a dominant receiver in the proposed NOMA scheme can achieve more than 3 dB gain in outage performance, compared to the orthogonal multiple access. In addition, the outage probability at a dominant receiver is less influenced by imperfect channel information, while the outage probability at a non-dominant receiver is significantly sensitive. The analytical expressions and asymptotic results have been validated through Monte Carlo simulations, thus verifying the derived impact analysis of NOMA under wireless backhaul unreliability and imperfect 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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».