Outage analysis for two-user parallel Gaussian interference channels
Notice bibliographique
Résumé
We address outage analysis for a two-user parallel Gaussian interference channel consisting of two sub-channels. Each sub-channel is modelled by a two-user Gaussian interference channel with quasi-static and flat fading. Both users employ single-layer Gaussian codebooks and maintain a statistical correlation ρ between the signals transmitted over the underlying sub-channels. If the receivers treat interference as noise (TIN) or cancel interference (CI), the value of ρ minimizing the outage probability approaches 1 as the signal-to-noise ratio (SNR) approaches infinity, while ρ = 0 is optimum under joint decoding (JD) regardless of the value of SNR. Motivated by these observations, we let ρ = 1 under TIN and CI and ρ = 0 under JD and compute the outage probability in finite SNR assuming the direct and crossover channel coefficients are independent zero-mean complex Gaussian random variables with possibly different variances. In the asymptote of large SNR and assuming the transmission rate per user is r log snr, we show that the outage probability scales as snr <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">-(1-r)</sup> under both TIN and CI, while it vanishes at least as fast as snr <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">-min{2-r;4(1-r)}</sup> log snr under JD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».