Joint Device Pairing, Reflection Coefficients, and Power Control for NOMA Backscatter Systems
Notice bibliographique
Résumé
Non-orthogonal multiple access (NOMA) and backscatter communication are two emerging technologies for low-power communication. In this paper, we consider a NOMA backscatter system, where signals from two backscatter devices are multiplexed on a frequency resource block using NOMA in each time slot. Our objective is to maximize the average energy efficiency by optimizing backscatter device pairing, reflection coefficients of backscatter devices, and the transmit power of the reader. We formulate the average energy efficiency maximization problem subject to the minimum circuit power and the minimum data rate requirements of the backscatter devices, and the transmit power constraint of the reader. The formulated problem is nonconvex. To obtain a suboptimal solution for this problem, we use alternating optimization technique and decompose the problem into two subproblems. The subproblems are solved by using fractional programming, Dinkelbach’s algorithm, and successive convex approximation method. Simulation results show that our proposed algorithm converges quickly to a suboptimal solution. Our proposed algorithm outperforms several baseline algorithms, including the genetic algorithm, fixed device pairing scheme, conventional device pairing scheme, maximum transmit power allocation scheme, and random reflection coefficient selection scheme, in terms of the average energy efficiency. The optimality gap of our proposed algorithm is investigated by comparing with the optimal scheme, in which the optimal device pairing is obtained based on exhaustive search.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».