SLNC for Multi-Source Multi-Relay BICM-OFDM Systems
Notice bibliographique
Résumé
In this paper, we study the application of bit-interleaved coded modulation (BICM) and orthogonal frequency division multiplexing (OFDM) to reap the benefits of wireless multiuser network coding in practical frequency-selective fading channels. We propose a mapping based symbol level network coding (SLNC) scheme for a cooperative diversity system comprising multiple sources, multiple relays, and one common destination. A simple cooperative maximum-ratio combining scheme is used at the destination and is shown to successfully exploit both the full spatial and the full frequency diversity offered by the channel for arbitrary numbers of sources, arbitrary numbers of relays, and arbitrary linear modulation schemes. To gain analytical insight for system design, we derive a closed-form upper bound for the asymptotic worst-case pairwise error probability (PEP) and obtain the diversity gain of the considered SLNC scheme for BICM-OFDM systems. These analytical results reveal the influence of the various system parameters, such as the number of sources, the free distance of the code, and the frequency diversity of the involved links, on performance. Furthermore, we propose two different relay selection schemes for the considered system: a) bulk selection, i.e., a single best relay is selected to transmit on all sub-carriers, and b) per-subcarrier selection, where a best relay is selected on each sub-carrier. Last but not least, we exploit the derived PEP expression for selecting a subset of sources from the set of active sources when the number of active sources is larger than the number of available orthogonal relay channels. We study the achievable diversity gain for the proposed relay and source subset selection schemes. Numerical results corroborate the derived diversity gain expressions and confirm the performance gains.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».