Coalition Formation Game for UAV-BS Cooperation in Cell-Free Integrated Aerial-Terrestrial Networks
Notice bibliographique
Résumé
In order to facilitate massive connectivity and connecting the unconnected, aerial communications are becoming increasingly essential as a complement to terrestrial infrastructure. The integrated aerial-terrestrial network (IATN) offers both line-of-sight (LoS) and non-LoS (NLoS) connectivity and flexible deployment. This paper introduces a framework designed to optimize the cooperation between aerial and terrestrial networks, with the goal of maximizing the deployment cost efficiency (DCE) of the network (i.e., the ratio of the network's total data transmission rate to the combined deployment and energy costs). The cooperation among unmanned aerial vehicles (UAVs) and terrestrial base-station (BSs) is supported with clustered cell-free massive MIMO (C-CF-M-MIMO). Specifically, we formulate a problem focused on maximizing the DCE while adhering to power constraints and zero intra-cell pilot contamination. Subsequently, we propose a pilot-contamination aware user clustering, and a distributed coalition formation game for BSs and UAVs clustering in C-CF-M-MIMO-enabled IATN. Our numerical findings demonstrate the efficacy of the proposed algorithm when compared to conventional benchmark methods. Furthermore, the C-CF-M-MIMO-enabled IATN outperforms BSs-only and UAVs-only network equipped with typical cell-free configurations, such as (i) traditional CF-MIMO and (ii) user-centric CF-MIMO.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».