Partial NOMA-Based Resource Allocation for Fairness in LTE-U System
Notice bibliographique
Résumé
In order to tackle the spectrum scarcity problem and enhance the spectrum efficiency, deploying LTE in unlicensed band (LTE-U) is an emerging technology for supporting massive connections in future networks. By taking into account of the coexistence between the LTE-U cellular user equipments (CUEs) and the legacy Wi-Fi stations (STAs) in the unlicensed band, a partial non-orthogonal multiple access (NOMA)-based scheme is proposed in this paper. By dividing all UEs into two groups and making the Wi-Fi STA as the UE with the weakest channel gain in its group, we can exploit the multiplexing gain of NOMA by introducing no extra modification to Wi-Fi STAs. Accordingly, a fairness-oriented resource allocation framework is formulated as a max-min problem to jointly optimize the inter-group time occupancy ratio and the intra-group power allocation when the guaranteed bit rate (GBR) requirements for each UE are considered. A modified two-dimensional bisection algorithm is proposed to search the optimal time occupancy ratio and the max-min rate in this coexisting network. Numerical results validate the effectiveness of the partial NOMA scheme and outperform the traditional orthogonal multiple access method, in terms of both efficiency and robustness.
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 | 0,000 | 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 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 ».