MétaCan
Menu
Retour à la cohorte
Enregistrement W2059201582 · doi:10.1109/ncc.2012.6176885

Beamforming and combining based on estimated channels in cooperative relay networks

2012· article· en· W2059201582 sur OpenAlexaff
MK Arti, Ranjan K. Mallik, Robert Schober

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBeamformingRelayRayleigh fadingMIMOComputer scienceRelay channelChannel (broadcasting)Signal-to-noise ratio (imaging)FadingElectronic engineeringAlgorithmTelecommunicationsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, we study an amplify-and-forward (AF) based multiple-input multiple-output (MIMO) cooperative relay network in which beamforming is done by using estimated channels in a Rayleigh fading environment. A protocol for training of the source, relay and destination is described and methods of channel estimation are proposed. Simulation results show that the trained MIMO relay system based on beamforming outperforms the trained MIMO relay system without beamforming. It is also shown that the performance of the beamforming based MIMO relay system improves with increase in the number of receive antennas at the destination. We analyze the symbol error rate (SER) versus signal-to-noise ratio (SNR) performance of beamforming based AF relaying with perfect channel knowledge at the source, relay, and destination. An expression of the moment generating function (m.g.f.) of the received instantenous SNR at the destination is derived. By using this m.g.f., an exact expression for the SER of M-ary phase-shift keying is obtained.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,428

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 ouverte0,0000,000
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 Opus0,051
Tête enseignante GPT0,296
Écart entre enseignants0,244 · 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
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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network CodingTravaux en français237 207