Multi-Objective Robust Beamforming for Integrated Satellite and Aerial Networks Supporting Heterogeneous Services
Notice bibliographique
Résumé
An integrated satellite and aerial network (ISAN) is considered a promising candidate to provide seamless connectivity for future wireless communication systems. In this paper, we propose a multi-objective based robust beamforming (BF) scheme for an ISAN to support heterogeneous services with high flexibility, where the satellite network serves various heterogeneous satellite terminals through multicast non-orthogonal multiple access (MC-NOMA), while the aerial network offers services to many internet of things devices using layered division multiplexing (LDM). Specifically, we first formulate a multi-objective optimization problem (MOOP) to achieve a good trade-off between sum rate maximization and total transmit power minimization. To tackle this mathematically intractable problem, we exploit the weighted Tchebycheff approach to transform the MOOP into a single-objective problem. Since only the angular information based channel state information is available, we exploit the angular discretization method and sequential convex approximation to design a robust BF algorithm to obtain the Pareto optimal solutions. Finally, simulation results demonstrated that our proposed scheme can achieve a optimal trade-off between multiple performance metrics with high spectrum and energy efficiency, so as to support heterogeneous services in the ISAN and fill the gap of only single type of serivce in the existing ISAN works.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».