NOMA-Enhanced Cooperative Relaying Systems in Drone-Enabled IoV: Capacity Analysis and Height Optimization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Using the drone as a cooperative relay (CR) can improve the connectivity of Internet of Vehicles (IoV) on highways in remote areas. Meanwhile, considering limited spectrum resources, non-orthogonal multiple access (NOMA) is regarded as a promising approach for increasing spectrum efficiency and the channel capacity of IoV. Motivated by the above, this paper investigates the application of the cooperative relaying system (CRS) and NOMA in drone-enabled IoV. Specifically, we propose a NOMA-enhanced CRS in drone-enabled IoV for spatially multiplexed transmissions, where the base station is allowed to transmit two different data symbols simultaneously to associated vehicles. Next, in order to analyze the capacity, we adopt the incomplete Gamma function and Taylor expansion of Bessel function to derive the closed-form expression of average data rates. Then, to simplify the calculation, we provide an approximate expression by using the Gauss-Chebyshev integral. Afterwards, to fully exploit the advantages of the CR, the CR height is optimized by employing the Steffensen method, which has second-order convergence without calculating the derivative. In order to apply to real scenarios, we extend the considered model to accommodate large-scale networks by using the stochastic geometric method. Finally, the simulation results show the accuracy of the obtained approximate results, where the performance gap is 1.6%. Moreover, the NOMA-enhanced CRS using the proposed CR height optimization scheme outperforms the current works in terms of the sum data rate. Furthermore, utilizing the Steffensen method can reduce the running time by 26.3% in comparison with the Newton method.
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.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 découle