Non-orthogonal multiple access (NOMA) has been identified as one of the promising technologies to enhance the spectral efficiency and throughput for the 5G and beyond cellular networks. Alternatively, coordinated multi-point (CoMP) improves the cell edge users coverage. Thus, CoMP and NOMA can be used together to improve the overall coverage and throughput of the cell edge users. However, user grouping and pairing for CoMP-NOMA based cellular networks has not been suitably addressed in the existing literature. Motivated by this, we propose two user grouping and pairing schemes for a CoMP-NOMA based system. Both the schemes are compared in terms of overall throughput and coverage. Numerical results are presented for various densities of users, base stations, and CoMP thresholds. Moreover, the results are compared with the purely OMA-based benchmark system, NOMA only, and CoMP only systems. We show through simulation results that the proposed schemes offer a trade-off between throughput and coverage as compared to a purely NOMA or CoMP based system.


翻译:非垂直多重存取(NOMA)已被确定为提高5G和蜂窝网络以外的光谱效率和吞吐量的有希望的技术之一;或者,协调的多点多点(COMP)可以提高细胞边缘用户的覆盖面,从而可以同时使用COMP和NOMA来提高细胞边缘用户的总体覆盖面和吞吐量;然而,基于COMP-NOMA的蜂窝网络的用户分组和配对在现有文献中没有得到适当的处理。为此,我们提议了基于COMP-NOMA的系统的两个用户分组和配对计划。这两种计划都是在总体吞吐量和覆盖范围方面进行比较的。对各种用户密度、基站和COMP的阈值作了数字结果的介绍。此外,结果与纯基于OMA的基准系统(仅以NOMA为基础的基准系统)和仅以COMP为基础的系统进行比较。我们通过模拟结果显示,拟议的计划在纯基于NOMA或CMP的系统之间实现了平衡。

0
下载
关闭预览

相关内容

两人亲密社交应用,官网: trypair.com/
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
60+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
图像处理:从 bilateral filter 到 HDRnet
极市平台
30+阅读 · 2019年8月7日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年12月23日
Arxiv
4+阅读 · 2021年5月10日
Arxiv
4+阅读 · 2019年8月7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
图像处理:从 bilateral filter 到 HDRnet
极市平台
30+阅读 · 2019年8月7日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员