Energy-Efficiency Optimization for Multiple Access in NOMA-Enabled Space–Air–Ground Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to the flexible deployment of unmanned aerial vehicles (UAVs) and the wide-area coverage of satellites, the space–air–ground (SAG) communication network can provide flexible and pervasive connectivity, especially in remote areas. In this work, we investigate the uplink transmission in a SAG network, where the nonorthogonal multiple access mechanism is adopted at the UAVs to enhance the number of access from ground user equipments (UEs) and a low-earth orbit satellite offers the wireless backhaul for UAVs. In particular, the energy efficiency (EE) of the considered network is maximized by optimizing the user association (UA), power allocation (PA), and UAV 3-D trajectory jointly with the consideration of the movement of the satellite. To tackle the formulated problem, by leveraging the block coordinate descent (BCD) method, we develop a joint UA, PA, and UAV trajectory (namely, JUPT) optimization algorithm, i.e., the original problem is decomposed into three subproblems, and the subproblems are solved iteratively until convergence. Specifically, we propose to include the virtual UEs in the system and develop a low-complexity matching algorithm to effectively solve the UA problem. A successive convex approximation (SCA)-based Dinkelbach algorithm is then adopted to address the PA problem. Later, with the introduction of the auxiliary variables, the UAV 3-D trajectory subproblem is iteratively solved by the SCA method. Our numerical results demonstrate the superiority of the proposed JUPT algorithm, which obtains significantly higher EE compared to the benchmark schemes. Moreover, the rapid convergence of the JUPT algorithm is verified.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle