论文学习----URLLC benefit from NOMA (1)

2024-01-15 14:58
文章标签 学习 论文 noma urllc benefit

本文主要是介绍论文学习----URLLC benefit from NOMA (1),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Title"How URLLC can Benefit from NOMA-based Retransmissions"
Author:Radosław Kotaba, Carles Navarro Manchon, Tommaso Balercia, ´and Petar Popovski
Note:通过这篇论文,初步了解了结合NOMA的HARQ以及不同描述CSI情况下的优化调度问题。

BS Operation

Symbols used

b:probability of the new packets generating
N:device numbers
L: index of slot
W:number of resources
K:number of channel uses,i.e. symbols, the same for packets of each UE
B: same amount of B information
R:rate =B/K(bits/symbole)
Receiver Operation
y i = ∑ j ∈ Γ i P i , j g i , j x i , j + n i \bold y_i =\sum_{j \in\Gamma^i}\sqrt{P_{i,j}}g_{i,j}\bold x_{i,j}+\bold n_i yi=jΓiPi,j gi,jxi,j+ni
P i , j ∈ N P_{i,j}\in\mathbb N Pi,jN :transmit power of user j in TF-block i
g i , j ∈ C g_{i,j}\in\mathbb C gi,jC and g i , j = h i , j d j α g_{i,j}=\frac{h_{i,j}}{\sqrt{d_j^\alpha}} gi,j=djα hi,j :channel between j-th UE and BS over the i-th TF-block,where h i , j h_{i,j} hi,j is Rayleigh fading component, i.i.d zro mean circularly symmetric complex BGaussian random variable with unit variance, d j ∼ U ( D m i n , D m a x ) d_j\sim U(D_{min}, D_{max}) djU(Dmin,Dmax) is uniformly distributed
x i , j ∈ C K \bold x_{i,j}\in\mathbb C^K xi,jCK :complex additive white Gaussian noise with zero mean and variance σ 2 \sigma ^2 σ2

HARQ with Statistical CSI

QMA-HARQ

  1. The SNR of the packet received from user j is distributed as follow
    distribution conditioned on power and distance

  2. the decoding failure probability after l-th attempt (counting from 0 as the initial one) is given
    在这里插入图片描述
    When IR-HARQ is used, then
    在这里插入图片描述
    rearrange the equation above with the last packet realization since all the previous SNRs are already known by introducing two terms γ c c j l \gamma_{cc_j} ^l γccjl and γ i r j l \gamma_{ir_j} ^l γirjl
    在这里插入图片描述

  3. error probability
    在这里插入图片描述
    mininum power required,在这里插入图片描述

  4. optimization problem
    BS’s goal is to spend (on average) as little power on a packet as possible while providing certain reliability guarantees
    在这里插入图片描述
    for different mechanism ,it can be simplified
    Chase Combinine:
    在这里插入图片描述
    Incremental Redundancy
    在这里插入图片描述

NOMA-HARQ

1.defining the error probability of the transmission over shared
channel resources.
在这里插入图片描述
Term1:error probability with interferer’s signal decoded and canceled
Term2:the case when SIC is not successful
Closed form:
在这里插入图片描述

  1. Optimization problem
    在这里插入图片描述

这篇关于论文学习----URLLC benefit from NOMA (1)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/609283

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个