Energy Efficiency Maximization for Downlink NOMA Designs via Symbol-Level Precoding
Notice bibliographique
Résumé
The multi-antenna non-orthogonal multiple access (NOMA) technique is a promising method to enhance energy and spectrum efficiencies of wireless communication systems through advanced precoding algorithms. However, conventional NOMA schemes encounter high complexity issues due to the successive interference cancellation (SIC) process at the receiver end. Moreover, traditional precoding designs for multi-antenna NOMA systems only utilize user channel state information and overlook the modulation details of transmitted data symbols, which may result in suboptimal performance. To overcome these disadvantages, we propose a symbol-level precoding (SLP) scheme to maximize the energy efficiency of the downlink NOMA systems. In particular, by the proposed SLP scheme, the “interference signals” is designed to fall within the decoding region of the “desired signal”, eliminating the need for an SIC receiver, thereby reducing the complexity of the NOMA system in practical applications. For ease of illustrating the idea of the SLP-based NOMA designs, we first focus on a single user group case with two users, and solve the associated problem by developing a fractional programming-based algorithm. Then, we extend the idea to the multi-user scenarios and focus on the joint user grouping and SLP design. For the purpose of computational complexity reduction, a low-complexity (adaptive) user grouping scheme is proposed based on the idea of unsupervised clustering. Finally, numerical simulations are carried out to validate the effectiveness of the proposed SLP scheme and algorithms in improving the energy efficiency of the system.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».