Joint Power Allocation and Distributed Equalization Design for OFDM-Based Filter-and-Forward Two-Way Multi-Relay Networks
Notice bibliographique
Résumé
We consider multi-carrier two-way relaying networks consisting of two user transceivers and multiple filter-and-forward (FF) relays. The FF relaying technique along with the multi-carrier schemes at the transceivers are utilized to suppress the inter-symbol-interference caused by the frequency-selectivity of the end-to-end channel. We jointly optimize subcarrier power allocation at the transceivers and the FIR filters at the FF relays to minimize the total transmit power subject to two quality of service constraints measured by sum-rates at the transceivers. We propose two approaches to tackle this problem: a gradient steepest descent technique, and a semi-closed-form method, which enforces a new constraint on the optimization such that at the optimum, the frequency-selective end-to-end channel is turned into a frequency-flat one. Furthermore, we show that the second method can be used as an initial point for the gradient steepest descent technique. Aiming to evaluate the performance of the proposed methods with a benchmark, we obtain a lower bound for the minimum transmit power at the network. We show that the proposed techniques are within 3 dB of this lower bound. Our numerical results further show that the proposed methods outperform existing solutions for similar networks.
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 | 0,001 | 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 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 ».