MétaCan
Menu
Retour à la cohorte
Enregistrement W2053406016 · doi:10.1049/iet-com.2011.0006

Ergodic and outage capacities of relaying channels in spectrum‐sharing constrained systems

2013· article· en· W2053406016 sur OpenAlexafffund
Kaïs Ben Fredj, Sonia Aı̈ssa, Leila Musavian

Notice bibliographique

RevueIET Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransmitterRelayFadingRayleigh fadingComputer scienceNakagami distributionTransmitter power outputErgodic theoryNode (physics)Topology (electrical circuits)Transmission (telecommunications)Interference (communication)Channel (broadcasting)Computer networkRelay channelTelecommunicationsPower (physics)MathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

This study investigates the capacity of multiple relay channels in different fading and shadowing environments under spectrum‐sharing constraints. The authors consider that a secondary user (SU) is allowed to share the spectrum band with a primary user (PU) provided that the SU's transmit power remains below an interference power threshold set by the PU. Considering a scenario where the SU's transmitter and receiver cannot communicate directly, a relay node, chosen among a set of K terminals, helps transmitting data from the SU's transmitter to the destination. The SU's transmitter and chosen relay node adapt their corresponding transmission parameters so as to satisfy the interference‐power constraint at the PU's receiver. The authors derive closed‐form expressions for the ergodic capacity of the SU's channel in Rayleigh fading, Nakagami‐ m fading and lognormal shadowing environments. They further obtain the outage capacity assuming the aforementioned environments and the above‐mentioned spectrum‐sharing limitations. Numerical results are provided to reinforce our theoretical derivations.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,058
Tête enseignante GPT0,274
Écart entre enseignants0,216 · 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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207