Key points are not available for this paper at this time.
Kürzlich haben NOMA-fähige kognitive Satelliten-Unmanned Aerial Vehicle (UAV)-terrestrische Netzwerke aufgrund ihrer Vorteile zur Verbesserung der Spektrumeffizienz und zur Bewältigung des exponentiellen Wachstums der Zugriffsbenutzer umfangreiche Aufmerksamkeit erhalten. In diesem Papier schlagen wir einen Algorithmus zur gemeinsamen Subkanalzuteilung und Leistungszuweisung für NOMA-fähige kognitive Satelliten-UAV-terrestrische Netzwerke vor, um die Übertragungsleistung weiter zu verbessern, wobei unvollständige Kanalzustandsinformationen berücksichtigt werden. Konkret formulieren wir ein gemischt-ganzzahliges nichtlineares Programmierungsproblem zur Ressourcenzuteilung, um die Gesamtrate des sekundären Netzwerks zu optimieren, wobei die Anforderungen an die Störungstemperaturbeschränkung für primäre Benutzer, die minimale Übertragungsrate jedes sekundären Benutzers, die maximale Senderleistung des UAV und die maximale Anzahl an sekundären Benutzern, die jeder Subkanal bedienen kann, erfüllt werden. Um dieses schwierige nicht-konvexe Problem zu bewältigen, zerlegen wir es zunächst in zwei Teilprobleme: Subkanalzuteilung und Leistungszuweisung. Anschließend werden ein heuristischer Algorithmus zur Subkanalzuteilung sowie ein Algorithmus zur Leistungszuweisung basierend auf Taylor-Reihen und aufeinanderfolgender konvexer Approximation entwickelt, um die obigen Teilprobleme zu lösen. Durch abwechselnde Optimierung der Gesamtrate des sekundären Netzwerks lösen wir schließlich das gemischt-ganzzahlige nichtlineare Programmierungsoptimierungsproblem. Numerische Ergebnisse zeigen die Auswirkungen wichtiger Parameter auf die Systemleistung und weisen darauf hin, dass unser vorgeschlagenes Schema Benchmark-Methoden in großangelegten Netzwerken übertrifft.
Liu et al. (Fr,) haben diese Frage untersucht.