MétaCan
Menu
Retour à la cohorte
Enregistrement W1599531430 · doi:10.1109/iccw.2015.7247298

Performance analysis of cooperative networks with optimum combining and Co-channel interference

2015· article· en· W1599531430 sur OpenAlexaff
Ali Afana, Salama Ikki, Telex M. N. Ngatched, Octavia A. Dobre

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensLakehead UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCumulative distribution functionRayleigh fadingInterference (communication)Outage probabilityProbability density functionCo-channel interferenceComputer scienceFadingMaximal-ratio combiningCooperative diversityExpression (computer science)Diversity gainQ-functionChannel (broadcasting)Probability of errorElectronic engineeringAlgorithmTopology (electrical circuits)TelecommunicationsMathematicsStatisticsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the performance of optimum combining (OC) cooperative interference-limited systems in the presence of co-channel interference (CCI). In particular, we investigate a dual-hop decode-and-forward relaying system comprising a pair of source-destination, multiple relays and multiple interferers affecting the relays as well as the destination. Under this scenario, we first derive the probability density function (PDF) and the cumulative distribution function (CDF) of the signal-to-interference ratio (SIR) at the destination. Based on the results of the CDF and PDF, closed-form expressions for the outage probability and average error probability are derived over Rayleigh fading channels. To investigate the impact of the CCI on the system performance, an asymptotic average error expression is derived to get insights on the diversity and coding gains. Numerical and simulation results are presented to validate our analysis. Results demonstrate that the interference-limited systems achieve the diversity gain of the relaying system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,881
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,285
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network CodingTravaux en français237 207