دانلود ترجمه مقاله تقسیم منابع در سیستم های MC-NOMA همراه با رله گذاری شناختی

1. مقدمه 2. مدل سیستم 3. فرمولاسیون مسئله 4. جواب های مسئله بهینه سازی 5. نتایج شبیه سازی 6. نتیجه گیری

چکیده – در این مقاله، طراحی الگوریتم تقسیم منابع در سیستم های رله گذاری شناختی مشارکتی «چند حامل دسترسی چندگانه غیرمتعامد» (MC-NOMA» را مورد مطالعه قرار می دهیم. بخصوص اینکه، ایستگاه پایه ثانویه، به چندین کاربر ثانویه سرویس دهی می کند و به طور همزمان به عنوان یک رله کمک کننده انتقال اطلاعات در شبکه اولیه، عمل می کند. هدف از تقسیم منابع، بیشینه سازی نرخ خروجی وزنی سیستم، با بهینه سازی همزمان تقسیم توان و حامل های فرعی برای شبکه های اولیه و ثانویه و در عین حال، برآورده کردن الزامات «کیفیت خدمات» کاربران اولیه است. طراحی الگوریتم به صورت یک مسئله بهینه سازی غیرمحدب ترکیبی مخلوط، فرموله شده است. ما از نظریه بهینه سازی یکنواخت برای حل این مسئله استفاده می کنیم و در نتیجه یک سیاست تقسیم منابع بهینه بدست می آوریم. علاوه بر آن، طرحی که پیچیدگی اندک دارد را مطرح می کنیم که یک جواب «زیربهینه» تولید می کند. نتایج شبیه سازی این مقاله آشکار می کنند که عملکرد الگوریتم «زیربهینه» پیشنهادی به میزان زیادی به عملکرد الگوریتم بهینه، نزدیک می شود. علاوه بر آن، ترکیب MC-NOMA و رله گذاری شناختی، نرخ خروجی سیستم را به میزان قابل توجهی در مقایسه با سیستم های رله گذاری شناختی چند حاملی متداول، بهبود می بخشد.

In this paper, we investigate the resource allocation algorithm design for cooperative cognitive relaying multicarrier non-orthogonal multiple access (MC-NOMA) systems. In particular, the secondary base station serves multiple secondary users and simultaneously acts as a relay assisting the information transmission in the primary network. The resource allocation aims to maximize the weighted system throughput by jointly optimizing the power and subcarrier allocation for both the primary and the secondary networks while satisfying the quality-of-service requirements of the primary users. The algorithm design is formulated as a mixed combinatorial non-convex optimization problem. We apply monotonic optimization theory to solve the problem leading to an optimal resource allocation policy. Besides, we develop a low-complexity scheme to find a suboptimal solution. Our simulation results reveal that the performance of the proposed suboptimal algorithm closely approaches that of the optimal one. Besides, the combination of MC-NOMA and cognitive relaying improves the system throughput considerably compared to conventional multicarrier cognitive relaying systems.

این مقاله می تواند برای مبحث بهینه سازی محدب مناسب باشد. ترجمه این مقاله در 21 صفحه آماده شده و در ادامه نیز صفحه 18 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.