MétaCan
Menu
Retour à la cohorte
Enregistrement W2027609975 · doi:10.1049/iet-com.2012.0407

Optimisation of power allocation for asymmetric relay placement in multi‐hop relay systems

2013· article· en· W2027609975 sur OpenAlexaff
Kalpana Dhaka, Ranjan K. Mallik, Robert Schober

Notice bibliographique

RevueIET Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRelayHop (telecommunications)Computer scienceComputer networkRelay channelPower (physics)

Résumé

récupéré en direct d'OpenAlex

In this study, schemes for optimisation of power allocation (OPA) for asymmetric relay placement are presented for multi‐hop communication in a Rayleigh‐fading environment. For a decode‐and‐forward (DF) multi‐hop communication system, expressions are derived for optimised power allocation based on symbol error probability (SEP) and global channel state information (GCSI). The analysis for OPA based on GCSI is extended to a hybrid combination of amplify‐and‐forward (AF) and DF relays. Analysis is done for two kinds of modulation schemes: M ‐ary phase‐shift keying with coherent detection and orthogonal M ‐ary frequency‐shift keying with non‐coherent detection. Simulation results show that for a multi‐hop system with asymmetric relay placement, power optimisation schemes perform better than the conventional equal power allocation scheme. In addition, power optimisation based on GCSI shows substantially improved performance compared with power allocation based on end‐to‐end SEP. Further, performance comparison is shown for increase in number of relay nodes in an AF and DF multi‐hop system with and without power allocation. The performance of a DF system improves with increase in number of relay nodes whereas performance of an AF system degrades. Hybrid relaying provides an option to exercise switching between DF and AF so as to extract the maximum advantage of the two relaying schemes.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,537

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 savante0,0000,001
Science ouverte0,0020,001
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 Opus0,082
Tête enseignante GPT0,323
Écart entre enseignants0,241 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207