Cooperative NOMA Empowered Integrated Sensing and Communication: Joint Beamforming and User Pairing
Notice bibliographique
Résumé
In this paper, we consider a downlink communication and sensing system where cooperative non-orthogonal multiple access (C-NOMA) is adopted as a multiple access technique to jointly provide communication functionality to a set of users and sensing functionality to targets. Specifically, we leverage the potential gains of cooperative links between far and near NOMA users in terms of reducing the power allocated from the base station (BS) to far NOMA users to dedicate more resources to the sensing function. In doing so, we formulate this framework as an optimization problem to maximize the achievable sum rate of the communication users by jointly optimizing the users’ pairing scheme, transmit beamforming at the BS, and near users’ transmit power while respecting the required communication and sensing quality of service (QoS) constraints. Owing to the non-convexity of the formulated problem, we divide this problem into two sub-problems, namely the user paring sub-problem and the power allocation sub-problem. To solve the first sub-problem, we present a novel pairing approach that exploits channel orthogonality and correlation among different users. Then, we define a double-layer penalty-based algorithm to handle the non-convex structure of the second sub-problem. Finally, the numerical results clearly showed the effectiveness of our adopted C-NOMA system over traditional baseline schemes, where our proposed scheme achieves gains reaching up to 20% compared to traditional NOMA, and 40% compared to spatial division multiple access (SDMA). Moreover, our pairing strategy achieved performance reaching 95% that of the optimal pairing 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 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».