NOMA-Based D2D-Enabled Traffic Offloading for 5G and Beyond Networks Employing Licensed and Unlicensed Access
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
As the versatile applications emerge, traffic offloading is an urgent issue to improve the performance for the fifth generation (5G) and beyond networks. We focus on the scenario where a device is enabled to transmit to more than one device simultaneously. The device-to-device (D2D) enabled traffic offloading scheme is studied by employing non-orthogonal multiple access (NOMA) and unlicensed access technologies. Our target is to maximize the capacity of the D2D network by optimizing subchannel assignment and power control while guaranteeing the capacity of NOMA-based cellular links and the WiFi system. The formulated problem is a non-convex mixed integer programming problem, which is hard to solve within a rational time. The problem is decomposed into subchannel assignment and power control subproblems. A matching based licensed subchannel allocation algorithm and an unlicensed subchannel access mechanism are proposed. Furthermore, we propose a centralized power control algorithm and a distributed power control algorithm based on global and local information, respectively. Besides, the unlicensed resource management scheme based on Stackelberg game is proposed to achieve the near-optimal utility of both D2D links and the WiFi system. The simulations illustrate that the proposed scheme can increase the throughput of D2D networks efficiently compared with other works.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle