Efficient Resource Allocation in SCMA-Enabled Device-to-Device Communication for 5G Networks
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
According to advanced wireless network standards, Device-to-device based communication underlaid conventional cellular network is considered a promising technology to improve the network performance. Precisely, this hybrid architecture provides an efficient resource allocation for cellular and D2D users while increasing the flexible utilization of the spectrum resources. Recently, the sparse code multiple access (SCMA) has been proposed as an efficient non-orthogonal multiple access technology for the 5G network paradigm. The SCMA scheme enhances the spectral efficiency, supports a massive connectivity, and diverses applications by enabling system overloading. Thus, in this paper, SCMA technology is applied to a D2D enabled cellular network, targeted at utilizing the overloading feature of the SCMA scheme to support a massive device connectivity while enhancing the overall network performance. The SCMA scheme is implemented to jointly optimize the codebook and power allocation in the downlink D2D enabled cellular network, with the aim to maximize the system data rate. This joint optimization problem is solved by decomposing the original problem into two sub-problems: codebook allocation and power allocation. For the codebook allocation, the rate aware codebook selection scheme for D2D system (RACBS-D2D) is proposed using conflict graph. For the power allocation solution, a geometric water-filling (GWF) method is utilized to propose the iterative GWF-based power allocation (IGWFPA) scheme. The performance of the proposed schemes is evaluated through simulations that reveal the benefits of the proposed solutions under different scenarios.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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