✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
在本文中,我们提出了一种新颖的自适应解码机制(ADM),用于支持无人机(UAV)的上行链路(UL)非正交多址(NOMA)通信。具体来说,考虑到地对地链路经常不可用的恶劣无人机环境,所提出的 ADM 克服了传统 UL-NOMA 系统的挑战性问题,该系统的性能对发射器的统计信道状态信息和接收器的解码顺序敏感。为了评估 ADM 的性能,我们推导了系统中断概率 (OP) 和系统吞吐量的封闭式表达式。在性能分析部分,我们为实际的空对地和地对空信道提供了新颖的表达式,同时考虑到 UL-NOMA 中不完美的连续干扰消除 (SIC) 的实际实现。此外,所获得的表达式可以用于表征基于混合伽马(MG)分布的衰落信道下各种系统的OP。接下来,我们提出了一种基于次优梯度下降的算法,以获得功率分配系数,从而实现无人机轨迹上每个位置的最大吞吐量。为了确定所提出的 ADM 在非静止环境中的重要性,我们考虑地面用户和无人机分别根据随机航路点移动性(RWM)和参考点组移动性(RPGM)模型移动。
⛄ 部分代码
function output...
= I2(K0,chi0,Omg0,mu0,p0,q0,...
K1,chi1,Omg1,mu1,p1,q1,...
K2,chi2,Omg2,mu2,p2,q2)
% result = 0;
% for k0 = 1:(K0+1)
% for k1 = 1:(K1+1)
% for k2 = 1:(K2+1)
% kap0= mu0(k0);
% for i0 = 0:(kap0-1)
% for j0 = 0:i0
% l0 = i0-j0;
% kap1= mu1(k1) + l0;
% for i1 = 0:(kap1-1)
% for j1 = 0:i1
% l1 = i1-j1;
% kap2= mu2(k2) + l1;
%
Lambda0 = Omg0(k0);
Lambda1 = (1/Omg1(k1)+p0/Lambda0)^(-1);
Lambda2 = (1/Omg2(k2)+p1/Lambda1)^(-1);
%
Xi0 = @(k) chi0(k)/factorial(mu0(k)-1) * Omg0(k)^(-mu0(k));
Xi1 = @(k) chi1(k)/factorial(mu1(k)-1) * Omg1(k)^(-mu1(k));
Xi2 = @(k) chi2(k)/factorial(mu2(k)-1) * Omg2(k)^(-mu2(k));
%
result = Xi0(k0) * Xi1(k1) * Xi2(k2) * Lambda0^(-i0)...
* q0^j0/factorial(j0) * p0^l0/factorial(l0) * Lambda1^(-i1)...
* q1^j1/factorial(j1) * p1^l1/factorial(l1) * Lambda2^(kap2)...
* gammainc((p2+q2)/Lambda2,kap2,'upper')*gamma(kap2)...
* factorial(kap0-1) * exp( -q0/Lambda0 )*Lambda0^kap0...
* factorial(kap1-1) * exp( -q1/Lambda1 )*Lambda1^kap1;
% result = result + Xi0(k0) * Xi1(k1) * Xi2(k2) * Lambda0^(-i0)...
% * q0^j0/factorial(j0) * p0^l0/factorial(l0) * Lambda1^(-i1)...
% * q1^j1/factorial(j1) * p1^l1/factorial(l1) * Lambda2^(kap2)...
% * gammainc((p2+q2)/Lambda2,kap2,'upper')*gamma(kap2)...
% * factorial(kap0-1) * exp( -q0/Lambda0 )*Lambda0^kap0...
% * factorial(kap1-1) * exp( -q1/Lambda1 )*Lambda1^kap1;
%
% end
% end
% end
% end
% end
% end
% end
%
output = result;
end
⛄ 运行结果
⛄ 参考文献
https://arxiv.org/abs/2206.13370