【摘 要】
：
非正交多址(NOMA)是5G无线网络的一个重要候选技术,可以满足下一代移动通信系统低时延、低功耗、高可靠、高吞吐量、广覆盖等需求。NOMA通过在发送端采用叠加编码和接收端采用串行干扰消除来实现在同一资源块复用多个用户数据,从而相对于传统的正交多址接入方式提高了频谱效率。概述了NOMA系统资源分配的研究现状,其中包括单载波NOMA的资源分配、多载波NOMA的资源分配、协作NOMA中继的资源分配、硬件
【基金项目】
：
国家自然科学基金资助项目（No.61701064）, 重庆市教委科学技术项目（No.KJ1600424）
论文部分内容阅读
非正交多址(NOMA)是5G无线网络的一个重要候选技术,可以满足下一代移动通信系统低时延、低功耗、高可靠、高吞吐量、广覆盖等需求。NOMA通过在发送端采用叠加编码和接收端采用串行干扰消除来实现在同一资源块复用多个用户数据,从而相对于传统的正交多址接入方式提高了频谱效率。概述了NOMA系统资源分配的研究现状,其中包括单载波NOMA的资源分配、多载波NOMA的资源分配、协作NOMA中继的资源分配、硬件损伤条件下协作NOMA的资源分配。最后,总结了当前研究中存在的主要问题,讨论了NOMA资源分配技术的研究
其他文献
尝试用基于深度学习的相关人工智能技术,分析服务器集群上的进程和端口网络,并对网络节点进行状态预测。具体地,结合运维过程中的先验知识对网络节点的特征进行细致选择,预测网络中各个进程和端口的异常(崩溃)状态。实验结果表明,进程节点的运行信息(如CPU和内存使用率)、进程间的通信情况以及进程节点在整个网络中的结构特征对于判断该节点的状态具有一定的指导价值,而这些特征在时间维度上的变化量同样反映了进程/端
大数据时代,文本分类是文本数据挖掘和文本价值探索领域的重要工作。传统的文本分类系统存在特征提取能力弱、分类准确率不高的问题。相对于传统的文本分类技术,深度学习技术具有准确率高、特征提取有效等诸多优势,有必要将深度学习技术引入文本分类系统,以解决传统文本分类系统存在的问题。在分析传统文本分类系统的基础上,提出了基于深度学习的文本分类系统的体系架构和关键技术,同时对传统分类模型、TextCNN、CNN
为保持室内覆盖的绝对领先,灵活运用多种覆盖手段,匹配场景特征,兼顾投资效益进行建设,针对封闭式环境,探索跨层覆盖、立体覆盖问题;针对室内覆盖指标,验证天线密度设置的优化数值;针对综合投资,探索室内建设的改进方案。从理论计算、模拟测试、试点验证、实测总结4个方面进行研究验证。
笔者从事养猪生产指导工作多年,足迹遍布城乡各个角落,接触到的养猪户很多,特别是近几年经常发现猪霉菌毒素中毒病的病例,其临床症状不一致,年龄差异很大,有的猪出生后就会出
猪口蹄疫属于一种常见的传染性疾病, 该病具有很快的发病速度和传播速度, 如果不能进行及时的控制, 就会造成养猪场的经济损失.基于猪口蹄 疫疾病的特征和危害, 在猪养殖过程
牛结核病是由结核分枝杆菌引起的人畜共患慢性传染病。结核菌因含有丰富的脂类,在外界环境中的生存力较强,对干燥和湿冷的抵抗力也强。在水中能存活5个月,在土壤中能存活7个
随着农村散养户饲养生猪头数的逐年减少,建设生猪规模养殖场成为养殖业向规模化、集约化、标准化方向发展的必然之路。生猪标准化规模养殖可以通过建立生猪安全生产责任制,制
根据3GPP自组织网络规范,提出移动互联网智能管道自组织架构。在智能管道网络中引入集中策略控制功能实体,周期监测外部消息,利用循环神经网络构建最佳策略匹配模型,进行智能管道策略预测、迭代更新和策略下发。对比传统智能管道,本架构实现了智能管道策略智能化定制、实时性管理以及生命周期动态管理,并在"大流量用户"限速、网络高负荷保障以及在线广告推荐等场景得到了有效的应用。
近些年,我国养殖业的发展越来越壮大,猪 养.殖在现阶段也十分受关注,要想更好的确保猪养殖 业能够顺利的发展,首先就应该注重对猪疾病进行防治,只有从根本上降低猪疾病的发生
在室内分布设计中,天线布点的数量及位置是决定设计成本的关键。首先介绍了机器学习的应用,然后阐述了实现天线自动布点的步骤,进行了结果分析与验证,最后,对传统的设计方式和与机器学习神经网络相结合的天线自动布放进行了对比。