Reconfigurable Intelligent Surface Enabled Full-Duplex/Half-Duplex\n Cooperative Non-Orthogonal Multiple Access
Notice bibliographique
Résumé
This paper investigates the downlink transmission of reconfigurable\nintelligent surface (RIS)-aided cooperative non-orthogonal-multiple-access\n(C-NOMA), where both half-duplex (HD) and full-duplex (FD) relaying modes are\nconsidered. The system model consists of one base station (BS), two users and\none RIS. The goal is to minimize the total transmit power at both the BS and at\nthe user-cooperating relay for each relaying mode by jointly optimizing the\npower allocation coefficients at the BS, the transmit power coefficient at the\nrelay user, and the passive beamforming at the RIS, subject to power budget\nconstraints, the successive interference cancellation constraint and the\nminimum required quality-of-service at both cellular users. To address the\nhigh-coupled optimization variables, an efficient algorithm is proposed by\ninvoking an alternating optimization approach that decomposes the original\nproblem into a power allocation sub-problem and a passive beamforming\nsub-problem, which are solved alternately. For the power allocation\nsub-problem, the optimal closed-form expressions for the power allocation\ncoefficients are derived. Meanwhile, the semi-definite relaxation approach is\nexploited to tackle the passive beamforming sub-problem. The simulation results\nvalidate the accuracy of the derived power control closed-form expressions and\ndemonstrate the gain in the total transmit power brought by integrating the RIS\nin C-NOMA networks.\n
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».