کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / سیزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Mode Selection and Resource Allocation in D2D-Enabled MC-NOMA using Matching Theory

نویسندگان :

Alireza Gholamrezaee¹ Hamid Farrokhi² Javad Zeraatkar Moghaddam³

1- University of Birjand 2- University of Birjand 3- University of Birjand

کلمات کلیدی :

D2D communications،matching algorithm،mode selection،MC-NOMA،power allocation،sub-channel allocation

چکیده :

Device-to-Device (D2D) communications and multi-carrier non-orthogonal multiple access (MC-NOMA) are promising techniques for enhancing energy and spectrum efficiency in the 5G cellular network. On the other hand, one of the most critical issues in these techniques is interference. So, in this paper, we study mode selection, sub-channel allocation, and power allocation problems in a underlay D2D-enabled MC-NOMA network, to manage the co-channel interference and increase the spectrum efficiency of the network, while users’ minimum signal-to-interference-plus-noise ratio (SINR) requirements is considered, where users can operate in underlay D2D mode or cellular mode. For this purpose, we formulate the joint problem as a system sum-rate maximization problem. Since the maximization problem is NP-hard, the problem is divided into 1-sub-channel assignment and mode selection problem and 2- power allocation problem. To jointly solve the problem of sub-channel allocation and mode selection, we propose an advanced matching algorithm and use the sequential convex programming technique to solve the power allocation. Finally, to indicate the effectiveness of the proposed algorithms, we present simulation results.

لیست مقالات

لیست مقالات بایگانی شده

ارائه تکنیک یادگیری چندهسته ای مبتنی بر روش بهینه سازی برای مسئله دسته بندی سیگنال های EEG مبتنی بر تصور حرکتی

یوکابد امیری - حسام عمرانپور

بیشینه‌سازی تأثیر در شبکه‌های اجتماعی بر اساس فعالیت کاربران

فاطمه جعفری - علیرضا رضوانیان

Using Trust Statements and Ratings by GraphSAGE to Alleviate Cold Start in Recommender Systems

Seyedeh Niusha Motevallian - Dr Seyed Mohammad Hossein Hasheminejad

Generalized Self-Attentive Spatiotemporal GCN with OPTICS Clustering for Recommendation Systems

Saba Zolfaghari - Seyed Mohammad Hossein Hasheminejad

ارائه یک سیستم توصیه‌گر آگاه به زمینه مبتنی بر رفتار کاربر در شبکه اجتماعی با استفاده از پیام‌های برچسب شده جغرافیایی

زهرا امینی - سید علیرضا هاشمی گلپایگانی - علی میرزائی

جانمایی توزیع‌شده محتوا برای ذخیره‌سازی موقت در شبکه‌های سلولی کوچک با حضور کاربران مخرب

زهرا رشیدی - دکتر وصال حکمی - حانیه سلمان‌طاهری زهرا رشیدی - وصال حکمی - حانیه سلمان‌طاهری -

توسعه ی کارآفرینی دیجیتال در بخش کشاورزی

شایان مظاهری - فاطمه قربانی پیرعلیدهی - فاطمه رزاقی بورخانی

Task Scheduling for Real-time Object Detection: Methods and Performance Comparison in ADAS Applications

Mahdi Seyfipoor - Sayyed Muhammad Jaffry - Siamak Mohamadi

User Preferences Elicitation in Bilateral Automated Negotiation Using Recursive Least Square Estimation

Farnaz Salmanian - Dr Hamid Jazayeri - Dr Javad Kazemitabar

پیش‌بینی حجم ترافیک شهری با استفاده از داده‌های سرویس نشان مورد مطالعاتی: خیابان کمال اصفهان

مهسا لطیفی - جمشید مالکی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.3