Fair Resource Allocation in Cooperative Cognitive Radio Iot Networks
Notice bibliographique
Résumé
Due to the growing demand for spectral resources with the emergence of IoT networks and applications, cooperative cognitive radio IoT networks (CCR-IoTN) are expected to play an essential role in the world of smart technology. In this paradigm, the benefits of cooperative communication and cognitive radio networks (CRN) are merged to meet IoT networks' needs. In this work, we employ the hybrid overlay-underlay CRN to guarantee both the secondary user (SU) stability and provide acceptable total throughput. In our CCR-IoTN, SUs may act as a relay to help the primary transmission. If the primary user (PU) is active, the secondary non-relay nodes transmit concurrently with the PU in underlay mode. In return for their cooperation, SUs are allowed to access the spectrum to transmit their data in overlay mode. In this context, we propose several fair resource allocation frameworks and compare well-known problems such as spectrum efficiency, energy efficiency as an objective function for CCR-IoTN. This kind of problem is inherently nonconvex. To solve the problems, therefore, we reformulate them as a convex problem using quadratic transform. Finally, we use simulation to evaluate the performance of the proposed hybrid resource allocation method. The resource allocation framework based on proportional fairness policy is shown to have acceptable performance in terms of throughput, fairness, and energy efficiency.
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 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».