MétaCan
Menu
Retour à la cohorte
Enregistrement W4400020230 · doi:10.1109/tcomm.2024.3418889

Two-Step Adaptive Grouping Access Based on RSMA for Multibeam Satellite System

2024· article· en· W4400020230 sur OpenAlexaff
Zhiqiang Li, Shiji Wang, Shuai Han, Cheng Li

Notice bibliographique

RevueIEEE Transactions on Communications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésComputer scienceCommunications satelliteSatelliteElectronic engineeringRemote sensingEngineeringGeologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Multibeam satellite system (MSS) plays an increasingly important role in the future communication system because of the ability to provide seamless information services. However, multibeam technology will cause serious inter-beam co-frequency interference (IBCFI), significantly deteriorating communication performance. Existing IBCFI management schemes mainly depend on precoding technologies, which regard MSS as multi-antenna systems and ignore characteristics of satellite beam gain and the limited computational resources. Meanwhile, terrestrial channels tend to be independent while satellite channels have a high correlation, which is rarely considered by existing work. On the other hand, rate-splitting multiple access (RSMA) has recently emerged due to the advantages of flexible multiple access and robust interference management. Therefore, we design a two-step adaptive grouping access scheme based on the promising RSMA to handle these challenges, where the first step takes the characteristics of satellite beam gain and computational resources into consideration, and the second step optimizes the channel correlation. Building on the two-step adaptive grouping access scheme, we formulate different weighted sum rate (WSR) maximization problems for different user groups. Furthermore, we introduce an improved alternating optimization algorithm to solve these non-convex problems. Finally, simulation results verify the effectiveness of our proposed scheme in WSR and computational complexity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,079
Tête enseignante GPT0,323
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetSatellite Communication SystemsTravaux en français237 207