Power Allocation for Adaptive-Connectivity Wireless Networks Under Imperfect CSI
Notice bibliographique
Résumé
In this paper, we propose a power allocation algorithm to guarantee quality of experience (QoE) while considering the impact of imperfect channel state information (CSI) in multi-connectivity multiple-input multiple-output (MIMO) systems. Multi-connectivity is a promising solution for wireless technologies to fulfill ever-increasing demands for QoE via massive MIMO. However, the performance of MIMO systems mostly depends on the accuracy of the channel estimation algorithm that provides CSI. Under imperfect CSI scenarios, increasing transmit power to satisfy QoE for one user exacerbates interference with others, thus leading to a tradeoff between power consumption and user satisfaction. To guarantee QoE while minimizing transmission power under imperfect CSI, the effect of imperfect CSI is quantified, and a closed form signal-to-interference-plus-noise ratio (SINR) is derived. Then, a two-stage algorithm categorizes UEs into two groups: those that only need single connectivity and those that need dual connectivity (i.e., adaptive connectivity). After classification, transmission power is allocated to guarantee QoE via a power control strategy that minimizes the transmission power. By comparing performance with a single connectivity–based algorithm and fixed multi-connectivity–based algorithms, we show that our proposed algorithm not only satisfies all the UEs in the system but also consumes less transmission power than the benchmarks.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».