Maximizing Secondary Users’ Sum-Throughput in an In-Band Full-Duplex Cognitive Wireless Powered Backscatter Communication Network
Notice bibliographique
Résumé
This article studies the secondary users’ sum-throughput in an in-band full-duplex (I-FD) cognitive wireless powered backscatter communication network. The secondary network consists of a hybrid access point (H-AP) and a finite number of geographically distributed secondary backscatter sensors (SBSs), each capable of using either the conventional or backscatter communication. The secondary network shares the primary network’s spectrum using an underlay spectrum sharing model. In this model, the H-AP and SBSs operate in I-FD mode to achieve improved spectral and time efficiency. Moreover, when an SBS has little available energy, it switches to the low-energy consumption backscatter method instead of the conventional transmission method. The goal is to maximize the sum-throughput of the SBSs. It is shown that such a problem is a convex optimization problem. Closed-form expressions for the optimal allocated time and energy to SBSs are derived and solved via a low complexity and efficient algorithm called joint optimal time and energy allocation (JOTEA). Numerical results illustrate that the JOTEA algorithm achieves a higher sum-throughput than the benchmark equal time allocation method. Furthermore, if the self-interference cancellation circuit considerably cancels self-interference in the H-AP, the I-FD mode achieves a higher sum-throughput performance than that of the half-duplex mode. Moreover, using backscatter communication results in a further increase in the sum-throughput.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».