تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,368 |
تعداد دریافت فایل اصل مقاله | 15,216,931 |
بهبود بازدهی انرژی در شبکههای فراسوی دسترسی چندگانه پویای متعامد و غیر متعامد | ||
پردازش سیگنال پیشرفته | ||
مقاله 2، دوره 4، شماره 1 - شماره پیاپی 5، مرداد 1399، صفحه 17-27 اصل مقاله (989.39 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jasp.2020.13292 | ||
نویسندگان | ||
علی تراب زاده1؛ مهدی مجیدی* 2؛ مینا باغانی3 | ||
1دانشگاه کاشان | ||
2گروه مخابرات - دانشکده مهندسی برق و کامپیوتر - دانشگاه کاشان - کاشان - ایران | ||
3دانشکده فنی مهندسی - دانشگاه بین المللی امام خمینی (ره) - قزوین - ایران | ||
چکیده | ||
یکی از راهکارهای ارائهشده در نسل پنجم سیستمهای مخابراتی برای پشتیبانی تعداد کاربر بیشتر در سیستم، استفادهی پویا از روشهای دسترسی متعامد و غیرمتعامد است. در این پژوهش، یک سیستم دسترسی چندگانه پویای متعامد و غیر متعامد فراسو، با هدف بیشینگی بازدهی انرژی، پیشنهاد شده است و برای تخصیص زیرکانالها و توان، راهکارهای مختلف ارائه شده است. با توجه به پیچیدگی مسأله پیشنهادی و عدم تحدب آن، امکان ارائه راه حل عمومی وجود ندارد. بنابراین مسأله کلی به دو زیرمسأله تخصیص زیرحاملها و توان تبدیل میشود. در مرحله اول تخصیص زیرحاملها صورت میگیرد که با حل یک برنامهنویسی صحیح عملیاتی میشود و خروجی آن اختصاص زیرکانالها به همه کاربران فعال و تعیین نوع دسترسی برای زیرحاملها است. مرحله دوم تخصیص توان بین کاربران است که به کمک روش تفاضل توابع محدب، مسأله به صورت تکراری، به یک مسأله بهینهسازی شبهمحدب تبدیل میشود. سپس از روش دوبخشی برای حل مسأله شبه محدب در هر مرحله استفاده میگردد. همچنین، برای مسأله امکانپذیری روش دوبخشی، معادلات KKT ارائه میگردد. نهایتاً، در بخش شبیهسازی بیشترین مقدار بازدهی انرژی به ازای توان بیشینه برای هرکاربر محاسبه میشود. همچنین تأثیر حضور کاربران در لبه سلول بر روی بازدهی انرژی سیستم بررسی میگردد. نتایج شبیهسازی نشان میدهد روش تخصیص منابع پیشنهادی ما میتواند نرخ مجموع و بازدهی انرژی سیستم را در مقایسه را روش ابتکاری مقالات قبل، بهبود دهد. | ||
کلیدواژهها | ||
بازدهی انرژی؛ تخصیص منابع پویا؛ دسترسی چندگانه غیرمتعامد؛ تفاضل توابع محدب؛ شبهمحدب؛ تخصیص توان و زیرحاملها؛ جفتسازی کاربران | ||
مراجع | ||
[1] P. Sciences, Y. Liu, M. Elkashlan, and Z. Qin, “Nonorthogonal multiple access for 5G and beyond,” Proc. IEEE, vol. 105, no. 12, pp. 2347–2381, 2017. [2] M. Masoudi et al., “Green mobile networks for 5G and beyond,” IEEE Access, vol. 7, pp. 107270–107299, 2019. [3] M. Moltafet, P. Azmi, and N. Mokari, “Power minimization in 5G heterogeneous cellular networks,” Iran. Conf. Electr. Eng., pp. 234–238, 2016. [4] F. Fang, H. Zhang, J. Cheng, S. Member, and V. C. M. Leung, “Energy-efficient resource allocation for downlink non-orthogonal multiple access network,” IEEE Trans. Commun., vol. 64, no. 9, pp. 3722–3732, 2016. [5] G. Liu, R. Wang, H. Zhang, S. Member, W. Kang, and T. Tsiftsis, “Super-modular game-based user scheduling and power allocation for energy-efficient NOMA network,” IEEE Trans. Wirel. Commun., vol. 17, no. 6, pp. 3877–3888, 2018. [6] M. Zeng, A. Yadav, O. A. Dobre, and H. V. Poor, “Energy-efficient power allocation for uplink NOMA,” 2018 IEEE Glob. Commun. Conf., pp. 1–6, 2018. [7] A. J. Muhammed, Z. Ma, P. D. Diamantoulakis, S. Member, L. Li, and G. K. Karagiannidis, “Energy-efficient resource allocation in multicarrier NOMA systems with fairness,” IEEE Trans. Commun., vol. 67, no. 12, pp. 8639–8654, 2019. [8] S. Fu, F. Fang, L. Zhao, Z. Ding, and X. Jian, “Joint transmission scheduling and power allocation in non-orthogonal multiple access,” IEEE Trans. Commun., vol. 67, no. 11, pp. 8137–8150, 2019. [9] M. Zeng, A. Yadav, O. A. Dobre, and H. V. Poor, “Energy-efficient power allocation for hybrid multiple Access systems,” 2018 IEEE Int. Conf. Commun. Work. (ICC Work., pp. 1–5, 2018. [10] W. U. Khan et al., “Joint spectral and energy efficiency optimization for downlink NOMA networks,” IEEE Trans. Cogn. Commun. Netw., vol. 6, no. 2, pp. 1–12, 2020. [11] M. Baghani, S. Parsaeefard, M. Derakhshani, and W. Saad, “Dynamic non-orthogonal multiple access ( NOMA ) and orthogonal multiple access ( OMA ) in 5G wireless networkss,” IEEE Trans. Commun., vol. 67, no. 9, pp. 6360–6373, 2019. [12] S. Boyd, L. Xiao, A. Mutapic, and J. Mattingley, “Sequential convex programming,” Stanford University, Stanford, 2007. [13] S. Boyd and L. Vandenberghe, Convex Optimization. Cambridge University Press, 2004. [14] C.-Y. Chi, W.-C. Li, and L. Chia-Hsiang, Convex Optimization for Signal Processing and Communications. CRC Press, 2017. [15] A. L. Yuille and A. Rangarajan, “The Concave-Convex Procedure,” MIT Press Journals, vol. 15, no. 4, pp. 915–936, 2003. | ||
آمار تعداد مشاهده مقاله: 520 تعداد دریافت فایل اصل مقاله: 347 |