为提升网络能效性能,构建了非正交多址接入(non-orthogonal multiple access,NOMA)-无线携能通信(simultaneous wireless information and power transfer,SWIPT)协作中继网络模型,并采用了一种基于黄金分割(golden section,GS)的Dinkel...为提升网络能效性能,构建了非正交多址接入(non-orthogonal multiple access,NOMA)-无线携能通信(simultaneous wireless information and power transfer,SWIPT)协作中继网络模型,并采用了一种基于黄金分割(golden section,GS)的DinkelBach迭代算法来解决能效优化问题。仿真结果表明:GS-DinkelBach算法在获得精准的能效增益的同时,具有更低的计算复杂度;与传统直连网络模型和中继转发网络模型相比,所建立网络模型的最优能效值分别提升了1.07 dB和2.17 dB。展开更多
文摘为提升网络能效性能,构建了非正交多址接入(non-orthogonal multiple access,NOMA)-无线携能通信(simultaneous wireless information and power transfer,SWIPT)协作中继网络模型,并采用了一种基于黄金分割(golden section,GS)的DinkelBach迭代算法来解决能效优化问题。仿真结果表明:GS-DinkelBach算法在获得精准的能效增益的同时,具有更低的计算复杂度;与传统直连网络模型和中继转发网络模型相比,所建立网络模型的最优能效值分别提升了1.07 dB和2.17 dB。
