MétaCan
Menu
Retour à la cohorte
Enregistrement W2025342085 · doi:10.1109/tvt.2013.2263509

Performance of Differential Amplify-and-Forward Relaying in Multinode Wireless Communications

2013· article· en· W2025342085 sur OpenAlexaff
M. R. Avendi, Ha H. Nguyen

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésRayleigh fadingPairwise error probabilityBit error rateWirelessSignal-to-noise ratio (imaging)Autoregressive modelAutocorrelationFadingComputer sciencePhase-shift keyingElectronic engineeringAlgorithmChannel (broadcasting)MathematicsEngineeringTelecommunicationsStatistics

Résumé

récupéré en direct d'OpenAlex

This paper is concerned with the performance of differential amplify-and-forward (D-AF) relaying for multinode wireless communications over time-varying Rayleigh fading channels. A first-order autoregressive model (AR1) is utilized to characterize the time-varying nature of the channels. Based on the second-order statistical properties of the wireless channels, a new set of combining weights is proposed for signal detection at the destination. Expression of pairwise error probability (PEP) is provided and used to obtain the approximated total average bit error rate (BER). It is shown that the performance of the system is related to the autocorrelation of the direct and cascaded channels and an irreducible error floor exists at a high signal-to-noise ratio (SNR) region. The new weights lead to a better performance when compared with the conventional combining scheme. Computer simulation is carried out in different scenarios to support the analysis.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,496

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,251
Écart entre enseignants0,230 · 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

Citations17
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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