MétaCan
Menu
Retour à la cohorte
Enregistrement W2051762234 · doi:10.1109/twc.2012.092112.112072

Achievable Rate Region under Joint Distributed Beamforming and Power Allocation for Two-Way Relay Networks

2012· article· en· W2051762234 sur OpenAlexaff
Shahram Shahbazpanahi, Min Dong

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBeamformingRelayTransmitter power outputMaximizationComputer scienceTransceiverMathematical optimizationPower (physics)Topology (electrical circuits)MathematicsTelecommunicationsWirelessChannel (broadcasting)Transmitter

Résumé

récupéré en direct d'OpenAlex

We obtain the achievable beamforming rate region for a two-way cooperative network consisting of two transceivers and multiple relays, all single-antenna nodes. Assuming that the relay beamforming weights as well as the transceiver transmit powers are the design parameters, this region is characterized under a constraint on the total (network) transmit power consumption. Using the shape of the rate region, we then use a sum-rate maximization approach to obtain the jointly optimal relay beamforming weights and transceiver transmit powers. Interestingly, we show that the sum-rate maximization approach yields the same solution as the max-min fair design approach does. Using this relationship, we further present a semi-closed-form solution to the underlying distributed beamforming problem. We then prove that the transmit power of any of the two transceivers can be obtained as the solution to a one-dimensional optimization problem using a simple bisection method which enjoys a low computational complexity. Furthermore, we extend these results to obtain the relay beamforming weights and transceiver transmit powers corresponding to any point on the boundary of the rate region, through a weighted sum-rate maximization approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,059
Tête enseignante GPT0,289
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations59
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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