Joint Optimization of BS Clustering and Power Control for NOMA-Enabled CoMP Transmission in Dense Cellular Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Non-orthogonal multiple access (NOMA)-enabled coordinated multipoint (CoMP) transmission has great potential in balancing spectrum utilization and interference mitigation in dense cellular networks. However, NOMA reforms the spectrum sharing policy of CoMP transmission due to introducing additional interference among coordinated base stations (BSs), which deteriorates the CoMP transmission rate. In this paper, we investigate the joint optimization of BS clustering and power control for NOMA-enabled CoMP transmission in dense cellular networks to maximize system sum-rate. We first characterize the impact of interference among coordinated BSs on CoMP transmission rate and find that the BS clustering is dependent on NOMA user grouping and restricted by the NOMA decoding condition. We then derive a tight lower bound on the system sum-rate and exploit it to design a joint BS clustering and power control scheme. Specifically, a power control algorithm is designed by a penalty convex-concave procedure to satisfy the NOMA decoding condition and users' rate requirements. A BS clustering algorithm based on successive convex approximation is designed to iteratively update the BS clustering and NOMA user grouping to increase system sum-rate. Finally, two algorithms are alternately performed until all users successfully access and the system sum-rate converges. Simulation results show that the proposed scheme can efficiently alleviate interference among coordinated BSs to improve system sum-rate and spectrum efficiency of NOMA-enabled CoMP transmission even under high user density.
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.
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 | 0,000 |
| Science ouverte | 0,000 | 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 découle