This work explores the flexible assignment of users to beams in order to match the non-uniform traffic demand in satellite systems, breaking the conventional cell boundaries and serving users potentially by non-dominant beams. The additional degree of freedom from the flexible beam-user mapping brings about a user-centric framework, with a two-step optimization process as a practical strategy. The smart beam-user mapping is jointly explored with adjustable bandwidth allocation per beam, and tested against different techniques for payloads with flexible radio resource allocation. Numerical results are obtained for various non-uniform traffic distributions to evaluate the performance of the solutions. The traffic profile across beams is shaped by the Dirichlet distribution, which can be conveniently parameterized, and makes simulations easily reproducible. Even with ideal conditions for the power allocation, both flexible beam-user mapping and adjustable power allocation similarly enhance the flexible assignment of the bandwidth on average. Results show that a smart pairing of users and beams provides significant advantages in highly asymmetric demand scenarios, with improvements up to 10\% and 30\% in terms of the offered and the minimum user rates, respectively, in hot-spot like cases with no impact on the user equipment.


翻译:这项工作探索了用户对光束的灵活分配,以便匹配卫星系统的非统一交通需求,打破传统的细胞边界,并有可能通过非主导光束为用户提供服务。从灵活的光束用户绘图中增加一定程度的自由,将带来一个以用户为中心的框架,作为一种实用战略,采用两步优化程序。智能光束用户绘图与每个光束可调频带宽分配共同探索,并对照具有灵活的无线电资源分配的有效载荷的不同技术进行测试。各种非统一交通分布取得数字结果,以评价解决方案的性能。横梁的交通分布由Drichlet分布决定,这种分布可以方便地设定参数,并使模拟易于复制。即使有理想的电力分配条件,灵活的光束用户绘图和可调整的电力分配也同样提高平均对宽度的灵活分配。结果显示,在高度不对称的需求情景下,用户的智能配对子和波束提供了显著的优势,其改进程度可高达10 ⁇ 和30 ⁇ 。在热点设备上,用户比率不见得像热点。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
4+阅读 · 2018年11月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月12日
Arxiv
0+阅读 · 2021年11月10日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
4+阅读 · 2018年11月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员