论文学习---Resource allocation in EE URLLC in Relay System

2024-01-15 14:58

本文主要是介绍论文学习---Resource allocation in EE URLLC in Relay System,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:Resource Allocation in Energy-Efficient URLLC Multi-user Multicarrier AF Relay Networks
Author:Keshav Singh†, Meng-Lin Ku‡, and Mark F. Flanagan†
学习目标:
系统架构:多用户多载波AF系统
性能指标:最大化能效
方法:联合优化发射功率,子载波配对及分配,
约束:误解码概率,总发射功率,子载波配对
数学问题:非凸问题及其转化
仿真结论:the impact of various system parameters on EE

Introduction

Relay: improving the EE and spectral efficiency (SE) as well as extending coverage area。
multicarrier(MC) transmission:enhance the multiuser system capacity and reliability by exploiting the multi-user/MC diversity and flexibility in the resource allocation.

Systme Model

  • Symbols used
    K:URLLC paired users,S = {S1, S2, . . . , SK} and D = {D1, D2, . . . , DK},
    M:numbers of subcarriers used for transmission in each hop
    Pmax: maximum transmission power budget
    Channel: Rayleigh fading
    Lk: information bits for k-th user
    dk:a block code of length dk symbos,same for all users as d
    单天线,无直传链路,半双工在这里插入图片描述
    h k m h_k^m hkm: channel coefficient between user Sk and the relay node ont the m-th subcarrier
    x k m [ n ] x_k^m[n] xkm[n]:symbol transmitted by Sk on the m-th subcarrier with nomalized mean.

  • received signal
    at the relay node
    在这里插入图片描述
    at the receiver by user Dk on subcarrier m ′ m' m
    在这里插入图片描述
    α m ′ [ n ] \alpha^{m'}[n] αm[n]:amplification factor
    在这里插入图片描述

  • SINR
    在这里插入图片描述

  • Achievable Rate
    approximation for the real AWGN channel with FBL coding 在这里插入图片描述
    γ \gamma γ :SNR
    ϵ \epsilon ϵ:decoding error probability
    m ‾ \overline{m} m:blocklength
    C ( γ ) = l o g 2 ( 1 + γ ) C(\gamma)=log_2{(1+\gamma)} C(γ)=log2(1+γ)
    complex quasi-static fading channel
    在这里插入图片描述

Problem Fromaulation

Target: maximum the EE(throuput over power)

  • Throughput
    minimize the interference terms-----adopt a subcarrier pairing and allocation approach
    Ω k ( m , m ′ ) ∈ 0 , 1 \Omega_k^{(m,m')}\in{0,1} Ωk(m,m)0,1 : binary variable for subcarrier pairing and allocation, if it is 1 , which means the m-th subcarrier in MA phase is paired with m’-th subcarrier in BC phase and assigned to the k-th user.
    achieva ble rate of the k-th user pair
    在这里插入图片描述
    在这里插入图片描述

1/2—require two phases
P k = { P k ( m ) } \bold P_k=\{P_k{(m)}\} Pk={Pk(m)} P r = { P r ( m ′ ) } \bold P_r=\{P_r{(m')}\} Pr={Pr(m)} Ω = { Ω k ( m , m ′ ) } \bold \Omega=\{\Omega_k{(m,m')}\} Ω={Ωk(m,m)}
ϵ k \epsilon_k ϵk:PEP of the k-th user pair
Throughput:
在这里插入图片描述

  • Power consumption
    Transmit power(depends on channel conditions,cell coverages…)+processing power+circuit power(static power,depends on the number of antennas)
    在这里插入图片描述
  • Problem formulation
    在这里插入图片描述
    在这里插入图片描述

Nmerical Results

  • Simulation parameters
    maximum number of iterations:Lmax=15
    transmit power budget:Pmax=15dBm
    covergence tolerance: 1 0 − 5 10^{-5} 105
    bandwidth of each subcarrier:15kHz
    path loss model: 35.3 + 37.6 ∗ l o g 10 ( d ) 35.3+37.6*log_{10}(d) 35.3+37.6log10(d),where d=100m
    static power consumption:PST=10dBm
    thermal noise density:-174dBm
    ϵ k , m a x = 1 0 − 5 \epsilon_{k,max}=10^{-5} ϵk,max=105 or 1 0 − 7 10^{-7} 107

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这篇关于论文学习---Resource allocation in EE URLLC in Relay System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/609284

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