MétaCan
Menu
Retour à la cohorte
Enregistrement W3027314774 · doi:10.1109/lcomm.2020.3029178

Power Allocation and Link Selection for Multicell Cooperative NOMA Hybrid VLC/RF Systems

2020· preprint· en· W3027314774 sur OpenAlexafffund
Mohanad Obeed, Hayssam Dahrouj, Anas M. Salhab, Anas Chaaban, Salam A. Zummo

Notice bibliographique

RevueIEEE Communications Letters · 2020
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKing Fahd University of Petroleum and MineralsKing Abdullah University of Science and Technology
Mots-clésVisible light communicationComputer scienceNomaComputer networkTransmitter power outputContext (archaeology)Interference (communication)Quality of serviceThroughputPower (physics)TelecommunicationsTransmitterWirelessTelecommunications linkEngineeringElectrical engineeringPhysicsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

This letter proposes and optimizes a cooperative non-orthogonal multiple-access (Co-NOMA) scheme in the context of multicell visible light communications (VLC) networks to mitigate inter-cell interference. Consider a network where each access-point (AP) serves two users. In each cell, the weak user (cell-edge user) can be served either directly by the VLC AP, or through the strong user that decodes the weak user message and forwards it through the radio-frequency (RF) link. The paper then considers the problem of maximizing the sum-rate under quality-of-service constraints by allocating the powers of the messages and APs, and determining the links serving each weak user. The paper solves this non-convex problem by first finding closed-form solutions of the users' powers and link selection for fixed APs powers. The APs powers are then iteratively solved in an outer loop. Simulation results show that the proposed scheme improves the sum-rate and fairness as compared to non-orthogonal multiple-access (NOMA) scheme.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil1,000

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 ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,271
Écart entre enseignants0,237 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207