MétaCan
Menu
Retour à la cohorte
Enregistrement W2014992272 · doi:10.1109/iwcmc.2014.6906324

Simultaneous wireless information and power transfer in interference alignment networks

2014· article· en· W2014992272 sur OpenAlexaff
Nan Zhao, F. Richard Yu, Victor C. M. Leung

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of British ColumbiaCarleton University
Organismes subventionnairesnon disponible
Mots-clésMaximum power transfer theoremComputer scienceWirelessDecoding methodsInterference (communication)Information transferWireless networkComputer networkPower (physics)TelecommunicationsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Interference alignment (IA) is a promising solution for interference management in wireless networks. On the other hand, simultaneous wireless information and power transfer (SWIPT) has become an emerging technique. Although some works have been done on IA and SWIPT, these two important areas have traditionally been addressed separately in the literature. In this paper, we propose to use a common framework to jointly study IA and SWIPT. We analyze the performance of SWIPT in IA networks. Specifically, we derive the upper bound of the power that can be harvested in IA networks. In addition, we show that, to improve the performance of wireless power transfer and information transmission, users should be dynamically selected as energy harvesting or information decoding terminals. Furthermore, we design two SWIPT-user selection (SWIPT-US) algorithms in IA networks. Simulation results are presented to show the effectiveness of the proposed algorithms.

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 enseignants0,538
Score d'incertitude au seuil0,520

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 Opus0,004
Tête enseignante GPT0,174
Écart entre enseignants0,170 · 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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207