MétaCan
Menu
Retour à la cohorte
Enregistrement W1760638340 · doi:10.1109/tcomm.2015.2431259

Asymptotic Performance of Energy Detector in Fading and Diversity Reception

2015· article· en· W1760638340 sur OpenAlexafffund
Vesh Raj Sharma Banjade, Chintha Tellambura, Hai Jiang

Notice bibliographique

RevueIEEE Transactions on Communications · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFadingMoment-generating functionProbability density functionDetectorEnergy (signal processing)Random variableDiversity gainMathematicsMetric (unit)Signal-to-noise ratio (imaging)Interference (communication)Applied mathematicsAlgorithmComputer scienceChannel (broadcasting)StatisticsTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Missed-detection probability expressions for energy detectors often involve infinite series and do not provide quick insights into the effects of operating conditions. To overcome these limitations, we develop novel asymptotic analyses by proposing an approximate probability density function (PDF) of a random variable β, which, in general, can characterize fading channels in diverse operating conditions. The coefficients of the proposed approximate PDF of β are obtained by matching the coefficients of the approximate PDF's series expansion (or coefficients of the approximate PDF's moment generating function (MGF)) with those of the exact PDF (or MGF) of β. By using the proposed approximation, a unified closed-form asymptotic missed-detection probability is derived. Its usefulness is then demonstrated for fading channels without and with antenna diversity, for cooperative detection, and in co-channel interference. For each case, the sensing gain, which reveals the effect of the operating conditions on the detection performance, is determined explicitly. Furthermore, the asymptotic complementary area under the receiver operating characteristic curve, an alternative performance metric, is derived, and found to reveal the sensing gain. Numerical results verify the accuracy of our derived asymptotic expressions over a wider signal-to-noise ratio (SNR) range compared to the existing asymptotic solution, which is accurate only for high SNRs.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,044
Tête enseignante GPT0,245
Écart entre enseignants0,201 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207