MétaCan
Menu
Retour à la cohorte
Enregistrement W3043899286 · doi:10.1109/ojvt.2020.3031656

Rate-Splitting Multiple Access: Unifying NOMA and SDMA in MISO VLC Channels

2020· preprint· en· W3043899286 sur OpenAlexafffund
Shimaa Naser, Paschalis C. Sofotasios, Lina Bariah, Wael Jaafar, Sami Muhaidat, Mahmoud Al‐Qutayri, Octavia A. Dobre

Notice bibliographique

RevueIEEE Open Journal of Vehicular Technology · 2020
Typepreprint
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensMemorial University of NewfoundlandCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKhalifa University of Science, Technology and Research
Mots-clésVisible light communicationComputer scienceSpace-division multiple accessBroadbandNomaWirelessBandwidth (computing)Key (lock)MultiplexingElectronic engineeringComputer networkTelecommunicationsTelecommunications linkEngineeringElectrical engineeringLight-emitting diode

Résumé

récupéré en direct d'OpenAlex

The increased proliferation of connected devices requires a development of innovative technologies for the next generation of wireless systems. One of the key challenges, however, is the spectrum scarcity, owing to the unprecedented broadband penetration rate in recent years. Based on this, visible light communication (VLC) has recently emerged as an effective potential solution for enabling high-speed short-range communications. Yet, despite their undoubted advantageous features, VLC systems suffer from several limitations which constraint their capabilities. As a result, several multiple access (MA) techniques, such as space-division multiple access (SDMA) and non-orthogonal multiple access (NOMA), have been considered in VLC networks as an effective approach, among others, to circumvent these limitations. However, despite their achievable multiplexing gain, their overall performance is still limited compared to the overall potential of this technology. Motivated by this, the presented article offers two contributions: firstly, we provide an overview of the key MA technologies used in VLC systems and then we introduce rate-splitting multiple access (RSMA), and discuss its capabilities and potentials in VLC systems. Secondly, through realistic system modeling and simulations of an RSMA-based two-user scenario, we illustrate the flexibility of RSMA as well as its superiority in terms of the achievable weighted sum rate over NOMA and SDMA in the context of VLC. Finally, we discuss technical challenges, open issues, and research directions, along with the offered results and insights that are expected to be useful towards the effective practical realization of RSMA in VLC configurations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,057
Tête enseignante GPT0,308
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of Vehicular TechnologyMême sujetOptical Wireless Communication TechnologiesTravaux en français237 207