This paper focuses on boosting the performance of small cell networks (SCNs) by integrating multiple-input multiple-output (MIMO) and non-orthogonal multiple access (NOMA) in consideration of imperfect channel-state information (CSI). The estimation error and the spatial randomness of base stations (BSs) are characterized by using Kronecker model and Poisson point process (PPP), respectively. The outage probabilities of MIMO-NOMA enhanced SCNs are first derived in closed-form by taking into account two grouping policies, including random grouping and distance-based grouping. It is revealed that the average outage probabilities are irrelevant to the intensity of BSs in the interference-limited regime, while the outage performance deteriorates if the intensity is sufficiently low. Besides, as the channel uncertainty lessens, the asymptotic analyses manifest that the target rates must be restricted up to a bound to achieve an arbitrarily low outage probability in the absence of the inter-cell interference.Moreover, highly correlated estimation error ameliorates the outage performance under a low quality of CSI, otherwise it behaves oppositely. Afterwards, the goodput is maximized by choosing appropriate precoding matrix, receiver filters and transmission rates. In the end, the numerical results verify our analysis and corroborate the superiority of our proposed algorithm.


翻译:本文侧重于提高小型细胞网络(SCNs)的性能,考虑到不完善的频道状态信息(CSI),将多投入多输出(MIMO)和非横向多存(NOMA)结合起来,从而提高小型细胞网络(SCNs)的性能。基站(BS)的估计错误和空间随机性特征的特征是分别使用Kronecker模型和Poisson点进程(PPP),而IMO-NOMA增强的SCNs的外差概率首先在封闭形式中产生,考虑到两种组合政策,包括随机分组和远程分组。据发现,平均超值概率与干扰有限系统中BSs的强度无关,而基站(BSs)的超值性能则在强度足够低的情况下恶化。此外,随着频道不确定性的减少,无症状分析表明,目标率必须限制到一定达到一个任意低的外差概率,而没有细胞间干扰。 模拟、高度关联的估计错误改善了CSI低质量的外差性性能,另外,通过适当的筛选分析, 也表现了我们最优的递性分析。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年10月31日
Arxiv
0+阅读 · 2022年10月29日
Arxiv
0+阅读 · 2022年10月27日
Arxiv
19+阅读 · 2022年7月29日
VIP会员
相关VIP内容
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员