MétaCan
Menu
Retour à la cohorte
Enregistrement W3009628117 · doi:10.1109/globecom38437.2019.9013439

Joint Resource Allocation in NOMA Systems with Imperfect SIC

2019· article· en· W3009628117 sur OpenAlexaff
Lele Chen, Bin Cao, Rongxing Lu, Qinyu Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPrecodingComputer scienceResource allocationBase stationBeamformingSingle antenna interference cancellationCluster analysisMathematical optimizationInterference (communication)Joint (building)Optimization problemImperfectTransmitter power outputNomaChannel (broadcasting)Telecommunications linkAlgorithmComputer networkTelecommunicationsMathematicsMIMOEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we study the joint resource allocation and the corresponding performance of non- orthogonal multiple access (NOMA) systems with imperfect successive interference cancellation (SIC), wherein we consider the precoding, user clustering and power allocation design in a single cell with one base station and multiple users. Specifically, we propose a precoding scheme based on zero-forcing beamforming, and a user clustering algorithm based on channel correlation to reduce inter-cluster interference. In order to maximize the sum capacity, the power allocation optimization problem is formulated and solved via interior point methods. Numerical and simulation results demonstrate that our proposed design has better sum capacity performance when SIC is imperfect.

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 enseignants0,065
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,193
Écart entre enseignants0,184 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207