Relay assignment in multiple source-destination cooperative networks with limited feedback
Notice bibliographique
Résumé
We consider in this paper relay assignment for cooperative systems with mutiple source-destination pairs. The objective here is to assign the relays to the source-destination pairs in a such way that all pairs would achieve the maximum diversity. Normally, for a network with mutiple source-destination pairs, none of the destinations can acquire the channel state information (CSI) of the entire network without feedback. To this end, we design a practical limited feedback strategy in conjunction with two relay assignment schemes, i.e., fullset selection and subset selection, which are based on maximizing the minimum end to end (E2E) signal to noise ratio (SNR) among all pairs. In this strategy, each destination acquires its signal-to-noise ratios (SNRs), quantizes them, and feeds them back to the relays. The relays construct the end-to-end (E2E) SNR matrix and select the relay assignment choice from all possible relay assignment permutations or only a subset of these permutations. We analyze the performance of these schemes over independent Rayleigh fading channels in terms of the worst E2E SNR. We investigate the asymptotic performance of the proposed schemes at high SNR. We show that relay assignment with quantized CSI can achieves the same first-order diversity as that of full CSI, but there is a second-order diversity loss. We also demonstrate that increasing the quantization levels yields performance that is close to that of having full knowledge of the CSI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».