MétaCan
Menu
Retour à la cohorte
Enregistrement W3089590586 · doi:10.1109/sigtelcom49868.2020.9199023

The Concept of Time Sharing NOMA into UAV-Enabled Communications: An Energy-Efficient Approach

2020· article· en· W3089590586 sur OpenAlexaff
Antonino Masaracchia, Long D. Nguyen, Cheng Yin, Octavia A. Dobre, Emiliano Garcia‐Palacios

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTelecommunications linkComputer scienceEfficient energy useNomaContext (archaeology)Quality of serviceThroughputTransmitter power outputPower (physics)Computer networkEnergy (signal processing)TransmitterDistributed computingReal-time computingWirelessTelecommunicationsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper proposes a framework for the optimal power allocation during time sharing non-orthogonal multiple access (TS-NOMA) transmissions performed by an unmanned aerial vehicle (UAV) in the context of large-scale scenario. The objective of this proposed framework is to maximize the energy efficiency (EE) within the UAV communication range. The idea behind is to propose a communication system that merges the advantages of UAV communications with the ones offered by the TS-NOMA paradigm maximizing the downlink EE among users. The resulting model finds applicability in performing energy efficient transmissions into power-constrained communication scenarios such as in disaster communications. Performance investigations regarding the proposed framework show its capability in finding the optimal energy efficient configuration of power resources, respecting both the power constraints at the transmitter and the quality-of-service requirement of the users. Furthermore, the proposed framework resulted able to maintain a good level of throughput fairness among users in downlink.

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 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 enseignants0,959
Score d'incertitude au seuil0,222

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,208
Écart entre enseignants0,193 · 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.

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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUAV Applications and OptimizationTravaux en français237 207