Energy-Efficient Resource Allocation in Multi-UAV Networks With NOMA
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
This paper investigates the energy efficiency (EE) optimization in a wireless communication network where multiple UAVs serve different types of devices, namely, information receivers (IRs) and energy receivers (ERs). The UAVs transmit power signals towards the ERs, and then enable data transmission to IRs on the downlink and from ERs on the uplink with non-orthogonal multiple access (NOMA). The optimization problem to maximize the overall EE is formulated and solved using Lagrangian optimization and gradient-descent methods. The optimization is decomposed into two sub-problems. Firstly, by connecting the path loss of the devices’ channels with their rate demands, the UAVs’ optimal positions are obtained. Then, based on the obtained UAVs’ optimal positions and a closed-form expression for the EE, a resource allocation aiming to maximize EE is developed. For the simulations, two main scenarios for single and multiple UAVs are considered. Numerical results and comparisons are provided. In particular, for the single-UAV scenario, the results show an enhancement in EE for the operation with NOMA compared with OMA. For the multiple-UAV scenario, several cases depending on different combinations of the devices’ rate requirements are considered. The results show the superiority of NOMA over OMA in all use cases. The results also reveal the effect of considering the devices’ rate requirements on the EE, where the case with equal rate requirements has the best performance.
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