Markov‐based analysis for cooperative <scp>HARQ</scp>‐aided <scp>NOMA</scp> transmission scheme in <scp>5G</scp> and beyond
Notice bibliographique
Résumé
Abstract In the fifth generation (5G) wireless communication system, the non‐orthogonal multiple access (NOMA) scheme has recently been proposed as a possible candidate for improving spectral efficiency. We look at power‐domain NOMA in this study, in which, multiple simultaneous transmissions are allowed at the same channel with different transmission powers. To achieve reliable transmissions in NOMA, the hybrid automatic repeat request (HARQ) scheme can be integrated into NOMA. The performance of a downlink NOMA system using the Type I HARQ method is investigated in this research. This type of HARQ does not entail expensive device which is considered one of the requirements for a massive 5G‐based Internet of Things network. Unfortunately, in the literature, it has been shown that deriving closed‐form expressions for the outage probabilities of HARQ‐aided NOMA systems is intractable due to the incorporation of multiple fractional random variables. Consequently, in this article, we follow a simple yet efficient methodology to study our considered HARQ‐aided NOMA system. The HARQ‐assisted NOMA system on the downlink is modeled as an absorbing discrete‐time Markov chain (DTMC). Thereafter, under perfect and imperfect channel estimation, we use this model to examine system performance in terms of outage probability and estimated number of retransmissions. Interestingly, we demonstrate that our DTMC‐based analysis is straightforward, repeatable, and accurate. Moreover, in this article, we propose a cooperative HARQ (CHARQ) scheme for the downlink NOMA system. According to CHARQ, the users cooperate with the base station in the retransmission process that will result in improving the performance of NOMA. Monte Carlo simulations have been conducted to not only verify the accuracy of our DTMC‐based analysis, but also manifest the superiority of CHARQ over HARQ.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».