Opportunistic Adaptive Non-Orthogonal Multiple Access in Multiuser Wireless Systems: Probabilistic User Scheduling and Performance Analysis
Notice bibliographique
Résumé
This paper designs a novel opportunistic adaptive non-orthogonal multiple access (OA-NOMA) strategy, where a base station (BS) employs NOMA to serve a near user (NU)-far user (FU) pair opportunistically scheduled from M NUs and K FUs. In particular, the NOMA transmission to the scheduled NU-FU pair adaptively operates in one of two modes: Direct NOMA mode, in which the BS directly serves the scheduled NU-FU pair with using NOMA; Cooperative NOMA mode, in which the scheduled NU receives the messages intended by both scheduled users from the BS, and then forwards the message intended by the scheduled FU. For the OA-NOMA strategy, a scheduling candidate acquisition method and a probabilistic user pair scheduling scheme are proposed to guarantee the transmission reliability and improve the scheduling fairness, respectively. To evaluate the scheduling fairness, we develop a max-min fairness criterion and show that the OA-NOMA strategy approximately achieves max-min fairness. The reliability of the OA-NOMA strategy is also evaluated in terms of outage probability and diversity order. For the outage probability, we derive an approximate expression and numerically verify its tightness. For the diversity order, we show that the proposed OA-NOMA strategy achieves a diversity order of M.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».