MétaCan
Menu
Retour à la cohorte
Enregistrement W2020661221 · doi:10.1109/tcomm.2013.021513.100278

Energy-Aware Power Allocation in Cooperative Communication Systems with Imperfect CSI

2013· article· en· W2020661221 sur OpenAlexaff
Rajiv Devarajan, A. Punchihewa, Vijay K. Bhargava

Notice bibliographique

RevueIEEE Transactions on Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTransmitter power outputComputer scienceRelayPower budgetChannel state informationQuality of serviceComputer networkCommunications systemPower (physics)Transmission (telecommunications)Signal-to-noise ratio (imaging)Efficient energy useEnergy (signal processing)WirelessImperfectElectronic engineeringChannel (broadcasting)TelecommunicationsPower controlEngineeringElectrical engineeringTransmitterMathematics

Résumé

récupéré en direct d'OpenAlex

Energy-aware power allocation in cooperative communication systems depends on the availability of channel state information (CSI), which is often imperfect in practice. This paper proposes energy-aware, optimal power allocation schemes for an amplify-and-forward cooperative communication system in the presence of imperfect CSI, to i) minimize the total transmit power; ii) maximize the end-to-end signal-to-noise ratio (SNR). Energy awareness is incorporated in the schemes either by avoiding over-provisioning of quality-of-service (QoS) or, by preventing unsuccessful transmissions, depending on the application. In both the schemes, the source and relay nodes share a fixed total transmit power budget, and transmission is allowed only if the minimum required end-to-end SNR can be achieved with the available power budget. Closed-form expressions for the source and relay optimal transmit powers are derived for both these schemes. Performance of the systems under the proposed schemes are investigated through simulations.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,985
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,258
Écart entre enseignants0,232 · 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.

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

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207