Joint Optimization of User Association, Power Control, and Dynamic Spectrum Sharing for Integrated Aerial-Terrestrial Network
Notice bibliographique
Résumé
This paper proposes a novel integrated aerial-terrestrial multi-operator network in which each operator deploys a number of unmanned aerial vehicle-base stations (UAV-BSs) besides the terrestrial macro base station (MBS), where each BS reuses the operator’s licensed band to provide downlink connectivity for UAV-user equipment (UAV-UE). In addition, the operators allow the UAV-UE, whose demand cannot be satisfied by the licensed band, to compete with others to obtain bandwidth resources from the unlicensed spectrum. Considering inter-cell and inter-operator interference in the licensed and unlicensed spectrum, the user association, power allocation, and dynamic spectrum sharing are jointly optimized to maximize the network throughput while ensuring the UAV-UEs’ data rate requirements. The formulated optimization problem, which is an NP-hard problem, is divided into two sequential subproblems. We propose a distributed iterative algorithm composed of a matching game, coalition game, and successive convex approximation technique to jointly solve the user association and power control subproblems in the licensed spectrum. Afterwards, we propose a three-layer auction framework to allocate the unlicensed spectrum dynamically between operators. Simulation results show that the proposed algorithms with the additional use of the unlicensed spectrum achieve 86.8% higher system throughput than that of only using the licensed spectrum.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».