MétaCan
Menu
Retour à la cohorte
Enregistrement W4385079031 · doi:10.1109/iwcmc58020.2023.10183298

Anti-jamming Transmission in NOMA-based Multi-cell Satellite–terrestrial Integrated Networks

2023· article· en· W4385079031 sur OpenAlexaff
Chen Han, Haotong Cao, Zhi Lin, Kang An, Sahil Garg, Georges Kaddoum, Satinder Singh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNational Postdoctoral Program for Innovative TalentsNational Natural Science Foundation of China
Mots-clésJammingNomaStackelberg competitionComputer scienceResource allocationTransmission (telecommunications)Resource management (computing)Communications satelliteComputer networkSatelliteTelecommunications linkTelecommunicationsEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Satellite-terrestrial integrated networks (STINs) are troubled with the serious jamming threats in the counterwork environment. Non-orthogonal multiple access (NOMA) approach can not only improve the resource utilization by resource sharing, but also has the potential advantages to be used for anti-jamming. In this paper, under the threat of smart jammer with adaptive jamming policies, we investigate the NOMA-based anti-jamming problem in multi-cell STINs by jointly considering the NOMA-based user grouping in each cell and the beam allocation among multiple cells. Specifically, for each cell, the users can enhance anti-jamming performance and improve the sum rate by NOMA-based users grouping, which is formulated as the anti-jamming Stackelberg game and grouping game to obtain the equilibrium solutions. Then, an adaptive beam allocation algorithm with a low complexity is proposed to avoid allocation conflicts and achieve fairness among multiple cells. Finally, simulation results prove the performance of the proposed scheme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil0,813

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,252
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSatellite Communication SystemsTravaux en français237 207