Precoding and Scheduling in Multibeam Multicast NOMA based Satellite Communication Systems
Notice bibliographique
Résumé
In this paper, we propose a multibeam multicast non-orthogonal multiple access-based (MB-MC-NOMA) scheme for satellite communication systems. Building upon the multi-beam transmission, we exploit precoding and NOMA techniques to deal with inter-and intra-beam interference, respectively. Combining these two techniques in the multicast transmission is not trivial as both scheduling, and the precoding design shall be reconsidered. Indeed, it is shown there is a contradiction between criteria for efficient user scheduling in MC-NOMA and MC-linear precoding: while the first one requires a strong channel gain imbalance between user terminals, the latter seeks user channel vector similarities. To tackle this problem, we propose a user scheduling in MB-MC-NOMA, which provides a good balance between these two criteria. Besides, the MC-linear pre-coding is designed with aid of a mapping function that deals with the lack of spatial degrees of freedom. The numerical simulation results show that the performance of the MB-MC-NOMA scheme is improved by using the proposed user scheduling and a novel precoding design based on the singular value decomposition (SVD). Moreover, the MB-MCNOMA scheme outperforms its orthogonal version scheme. In particular, we observe that the throughput of the MB-MC-NOMA is increased a 25% with respect to MB-MC-OMA scheme under certain fair conditions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».