Device-to-device (D2D) and non-orthogonal multiple access (NOMA) are promising technologies to meet the challenges of the next generations of mobile communications in terms of network density and diversity for internet of things (IoT) services. This paper tackles the problem of maximizing the D2D sum-throughput in an IoT system underlaying a cellular network, through optimal channel and power allocation. NOMA is used to manage the interference between cellular users and full-duplex (FD) IoT devices. To this aim, mutual successive interference cancellation (SIC) conditions are identified to allow simultaneously the removal of the D2D devices interference at the level of the base station and the removal of the cellular users (CU) interference at the level of D2D devices. To optimally solve the joint channel and power allocation (PA) problem, a time-efficient solution of the PA problem in the FD context is elaborated. By means of graphical representation, the complex non-convex PA problem is efficiently solved in constant time complexity. This enables the global optimal resolution by successively solving the separate PA and channel assignment problems. The performance of the proposed strategy is compared against the classical state-of-the-art FD and HD scenarios, where SIC is not applied between CUs and IoT devices. The results show that important gains can be achieved by applying mutual SIC NOMA in the IoT-cellular context, in either HD or FD scenarios.


翻译:设备到装置(D2D)和非软体多重接入(NOMA)是应对下一代移动通信在互联网(IoT)服务的网络密度和多样性方面挑战的有希望的技术。本文件通过最佳渠道和电力分配,解决了在手机网络的IoT系统中最大限度地增加D2D总吞吐量的问题。诺马(D2D)用于管理移动电话用户和全硬(FD) IoT装置之间的干扰。为此,确定了连续连续取消(SIC)条件,以便同时消除基站一级D2D装置的干扰,同时消除手机用户在D2D装置一级的干扰。为了最佳地解决联合渠道和电力分配问题,制定了在FD框架内解决PA问题的时间效率高的办法。通过图形代表,复杂的非Convex PA(FD)装置问题可以持续地以复杂的时间得到解决。这样,通过连续解决在基础站一级和频道范围内的D2DA-SLA(C)装置中单独使用D(CU)的干扰以及移动用户(CU)干扰,在SIC-SIS(IFDA)和CA(NO)装置之间应用的相互收益,可以比较国家战略的实现。在IM-SIC-FDM-RM-SL-SLA(SDA)之间实现。拟议的结果。

0
下载
关闭预览

相关内容

专知会员服务
56+阅读 · 2021年4月12日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
181+阅读 · 2020年4月26日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
【优博微展2018】涂存超:面向社会计算的网络表示学习
清华大学研究生教育
5+阅读 · 2018年11月12日
Arxiv
0+阅读 · 2021年6月1日
Arxiv
0+阅读 · 2021年5月31日
Arxiv
0+阅读 · 2021年5月29日
VIP会员
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
【优博微展2018】涂存超:面向社会计算的网络表示学习
清华大学研究生教育
5+阅读 · 2018年11月12日
Top
微信扫码咨询专知VIP会员