MétaCan
Menu
Retour à la cohorte
Enregistrement W2024542872 · doi:10.1109/lcomm.2014.2349978

Connectivity Analysis for Cooperative Vehicular Ad Hoc Networks Under Nakagami Fading Channel

2014· article· en· W2024542872 sur OpenAlexaff
Ruifeng Chen, Zhengguo Sheng, Zhangdui Zhong, Minming Ni, Victor C. M. Leung, David G. Michelson, Miao Hu

Notice bibliographique

RevueIEEE Communications Letters · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésFadingIndependent and identically distributed random variablesNakagami distributionComputer scienceWireless ad hoc networkVehicular ad hoc networkInterference (communication)Channel (broadcasting)Computer networkScheduling (production processes)WirelessTelecommunicationsMathematical optimizationMathematicsStatisticsRandom variable

Résumé

récupéré en direct d'OpenAlex

User behaviors like inter-vehicle cooperation have a significant impact on vehicular network connectivity. Intuitively, the network performance can be boosted by introducing cooperation. However, an increasing number of cooperative vehicles may result in increased interference and thus negatively affect the system performance. In this letter, we present an analytical framework to study the impact of the cooperative vehicle ratio on connectivity probability under Nakagami fading channel for both cases of independently non-identically and identically distributed interference. The lower bound of the optimal cooperative ratio is derived to explicitly reveal its relation with system parameters when interference are identically distributed. Numerical results are supplemented by simulations to demonstrate the accuracy of the analytical framework and provide useful guidelines for estimating connectivity performance in the network design for scheduling policy in vehicular networks.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,244
Écart entre enseignants0,222 · 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

Citations22
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207