MétaCan
Menu
← Retour à la cohorte
Enregistrement W1976334458 · doi:10.1109/glocom.2012.6503896

Buffer-aided BICM-OFDM relaying

2012· article· en· W1976334458 sur OpenAlexaff
Toufiqul Islam, Aïssa Ikhlef, Robert Schober

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDiversity gainPairwise error probabilityOrthogonal frequency-division multiplexingComputer scienceRelayDiversity schemeMultiplexingCoding gainCooperative diversityComputer networkWirelessNetwork packetElectronic engineeringAlgorithmTelecommunicationsMIMOWireless networkDecoding methodsChannel (broadcasting)EngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, we study a cooperative diversity scheme for wireless systems where the relay is equipped with a buffer. We consider practical frequency-selective channels and adopt the combination of bit interleaved coded modulation and orthogonal frequency division multiplexing (BICM-OFDM). We propose a novel link selection protocol for BICM-OFDM systems where the relay either transmits or receives in a given time slot depending on the quality of the links. We derive closed-form upper bounds for the asymptotic worst-case pairwise error probability and the diversity gain of the considered buffer-aided relaying scheme for infinite buffer size. We show that impressive diversity gains can be achieved with buffer-aided relaying compared to conventional relaying at the expense of packet delay. In fact, for buffers of infinite (or very large) size, the diversity gain is doubled for links with identical frequency diversity, and even a higher diversity gain advantage is possible for non-identical diversity links. The derived analytical results and performance gains are corroborated by simulation results, where we also show that for buffers of moderate size, a significant coding gain can be achieved, if not any diversity gain.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,296
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network Coding→Travaux en français237 207→