Cognitive NOMA With Blind Transmission-Mode Identification
Notice bibliographique
Résumé
This work presents a novel nonorthogonal multiple access (NOMA) cognitive radio (CR) system where the base station (BS) opportunistically multiplexes the secondary user (SU) with the primary user (PU) using power-domain NOMA. As the PU has the priority to transmit and SU is satisfied on best-effort basis, four different transmission-modes (TMs) are produced at the BS, which are PU orthogonal multiple access (PU-OMA), SU-OMA, PU/SU-NOMA, and silent mode. Consequently, the considered protocol can be classified as a hybrid underlay-interweave CR-NOMA. The TM adaptation should be seamless for the PU where its detector configuration remains unchanged regardless of the active TM. In contrast, the SU has to identify the active TM blindly, i.e. without side information, to select the appropriate detector. The identification process is performed using a classifier that is designed based on the maximum likelihood criterion. The performance of the proposed system is analyzed in terms of throughput, packet error rate (PER), and classification error. The Binomial and Multinomial theorems are utilized to simplify and allow a tractable analysis. The derived closed-form expressions, corroborated by Monte-Carlo simulation results, show that the hybrid CR-NOMA can provide substantial throughput improvement over conventional NOMA, which is about a 100%.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».