Joint AP Selection and Power Allocation for Unicast–Multicast Cell-Free Massive MIMO
Notice bibliographique
Résumé
Joint unicast and multicast transmissions are becoming increasingly important in practical wireless systems, such as Internet of Things networks. This paper investigates a cell-free massive multiple-input multiple-output system that simultaneously supports both transmission types, with multicast serving multiple groups. Exact closed-form expressions for the achievable downlink spectral efficiency (SE) of both unicast and multicast users are derived for zero-forcing and maximum ratio precoding designs. Accordingly, a weighted sum SE (SSE) maximization problem is formulated to jointly optimize the access point (AP) selection and power allocation. The optimization framework accounts for practical constraints, including the maximum transmit power per AP, fronthaul capacity limitations between APs and the central processing unit, and quality-of-service requirements for all users. The resulting non-convex optimization problem is reformulated into a tractable structure, and an accelerated projected gradient (APG)-based algorithm is developed to efficiently obtain near-optimal solutions. As a performance benchmark, a successive convex approximation (SCA)-based algorithm is also implemented. Simulation results demonstrate that the proposed joint optimization approach significantly enhances the SSE across various system setups and precoding strategies. In particular, the APG-based algorithm achieves substantial complexity reduction while maintaining competitive performance, making it well-suited for large-scale practical deployments.
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 ».