On Optimal Power Allocation in Multibeam Multicast NOMA for Satellite Communication Systems
Notice bibliographique
Résumé
This paper addresses two key challenges in the multibeam multicast non-orthogonal multiple access (MB-MC-NOMA) scheme and respective beamforming design problems in satellite systems. Achieving the max-min fairness (MMF) and maximum sum-rate among multiple multicast groups of users are jointly considered in a theoretical information framework. It is assumed that each frame contains information of multiple users in multicast transmission. Therefore, contrary to the unicast linear precoding, we have developed the multicast linear precoding with mapping function considering trade-offs to deal with the lack of the spatial degree of freedom. In our proposed scheme, each beamforming vector conveys information to more than one group of users in a NOMA framework, relying on the superposition techniques at the transmitters and successive interference cancellation (SIC) at the receivers. We have derived the capacity rates achievable in each beam, proposing the methods to maximize the minimum rate and weighted sum-rate. Considering the dependency of the broadcasting power and the respective achievable rates, the equivalent channel and water-filling algorithm for the MB-MC-NOMA is developed; as such, the optimal transmit power density for the groups of users within multiple beams are efficiently computed. The extensive simulation results confirm the proposed theoretical findings, providing a considerable boost in both minimum-rate and sum-rate with respect to state-of-the-art multibeam multicast satellite systems.
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 | 0,001 | 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 ».