Transmission and Clustering Designs for Multi-Antenna NOMA Based on Average Transmit Power
Notice bibliographique
Résumé
In this paper, we analyze the average transmit power of non-orthogonal multiple access (NOMA) systems with requirements on the user signal-to-interference-plus-noise-ratios (SINRs), and propose new transmission schemes and user clustering algorithms to reduce the average transmit power. First, for systems with a multi-antenna base station (BS) and a single cluster of two single-antenna users, the average transmit power with SINR constraints is analyzed for channel-alignment-based NOMA and multi-user beamforming with matched filter (MF) beamformers. Properties of the average transmit power are obtained with respect to the alignment threshold and the BS antenna number. It is shown that using either scheme alone without the alignment consideration leads to unbounded average transmit power. With the observation that the two schemes have distinct preferred regions of channel alignment, hybrid transmissions of NOMA and multi-user beamforming are proposed for power saving and outage avoidance. Further, for systems with more than two users, clustering algorithms are developed to group users into multiple two-user clusters with respect to the minimization of the total transmit power for NOMA and hybrid schemes. Simulation results are provided to validate our theoretical results. In addition, the proposed transmission schemes and clustering algorithms are shown to achieve significant saving in the average transmit power.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».