MétaCan
Menu
Retour à la cohorte
Enregistrement W1993546399 · doi:10.1049/iet-com:20050416

Capacity analysis for a multiuser cross-layer downlink model in the presence of fading and interference

2007· article· en· W1993546399 sur OpenAlexaff
Deepali Arora, P. Agathoklis

Notice bibliographique

RevueIET Communications · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTelecommunications linkPhysical layerComputer scienceScheduling (production processes)FadingBase stationBeamformingPHYInterference (communication)Signal-to-interference-plus-noise ratioComputer networkTelecommunicationsWirelessMathematical optimizationMathematicsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

A system model that employs beamforming at the physical (PHY) layer and different scheduling algorithms at the medium access control (MAC) layer is used in a downlink environment where two users are served simultaneously. The effect of the scheduling algorithms on the system performance is assessed in terms of total system capacity. The scheduling algorithms considered, choose users either randomly, or on the basis of their instantaneous signal-to-noise ratio (SNR) and/or their angular location around the base station. A semi-analytical framework for the capacity analysis is also presented. The results obtained from the numerical model are shown to be consistent with those based on the semi-analytical framework. It is shown that explicitly taking into consideration at the MAC layer the angular location of mobile users around the base station along with instantaneous SNR for the selection of users that are served simultaneously leads to an improved system capacity. This improvement is the result of reduced interference that simultaneously served users cause on each other. The results show that joint addressing of the PHY and MAC layer issues in an integrated cross-layer framework is important for achieving maximal system performance.

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 enseignants0,777
Score d'incertitude au seuil0,221

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 Opus0,080
Tête enseignante GPT0,340
Écart entre enseignants0,259 · 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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207