Joint Mode Selection and Resource Allocation for D2D and Femtocell Users in Dense Heterogeneous Networks with Full Frequency Reuse
Notice bibliographique
Résumé
We consider the problem of joint mode selection and resource allocation for D2D and femtocell users in a three-tier dense heterogeneous network in which all the users can reuse the spectrum. The goal is to maximize their total weighted sum rate, subject to minimum rate requirements and maximum tolerable interference on the cellular system. Since the spectrum can be fully reused, the co-tier and cross-tier interferences among the users result in a mixed integer non-linear, non-convex program that is difficult to solve directly. Using insights into the structure of the interference, we derive a close, conservative approximation of the joint problem that has a convex relaxation that is tight. That enables good solutions to the joint problem to be obtained using a customized iterative algorithm employing the Lagrange dual decomposition method. Since the proposed iterative scheme is semi-distributed, the signaling overhead is mitigated. To further reduce the computational complexity, a low-complexity (primal) decomposition-based method is also introduced, in which we select the transmission mode heuristically based on the traffic level in the network, and then sequentially perform admission control, power control, and sub-channel allocation for the femtocell users and D2D users. Our simulation results indicate that the proposed iterative and heuristic algorithms, on average, achieve around 94% and 82% of the sum rate of the optimal Branch & Bound method, respectively, and do so at much lower computational costs.
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 | 0,001 | 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 ».