MétaCan
Menu
Retour à la cohorte
Enregistrement W2057026167 · doi:10.1109/twc.2013.071113.121109

Multi-Carrier Asynchronous Bi-Directional Relay Networks: Joint Subcarrier Power Allocation and Network Beamforming

2013· article· en· W2057026167 sur OpenAlexaff
Reza Vahidnia, Shahram Shahbazpanahi

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésSubcarrierRelayComputer scienceBeamformingTransceiverOrthogonal frequency-division multiplexingAsynchronous communicationMultiplexingMultipath propagationElectronic engineeringComputer networkChannel (broadcasting)Power (physics)TelecommunicationsWirelessEngineering

Résumé

récupéré en direct d'OpenAlex

We consider an asynchronous bi-directional relay network, consisting of two single-antenna transceivers and multiple single-antenna relays, where the transceiver-relay paths are subject to different relaying and/or propagation delays. Such a network can be viewed as a multipath channel which can cause inter-symbol-interference (ISI) in the signals received by the two transceivers. Hence, we model such a communication scheme as a frequency selective multipath channel which produces ISI at the two transceivers, when the data rates are high. To tackle ISI, the transceivers can employ an orthogonal frequency division multiplexing (OFDM) scheme to diagonalize the end-to-end channel. The relays use simple amplify-and-forward relaying, thereby materializing a distributed beamformer. For such a scheme, we propose two different algorithms, based on the max-min fair design approach, to calculate the subcarrier power loading at the transceivers as well as the relay beamforming weights. We develop computationally efficient solutions to these two approaches. Simulation results are presented to show that our proposed schemes outperform equal or maximum power allocation 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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,032
Tête enseignante GPT0,261
Écart entre enseignants0,229 · 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

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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