MétaCan
Menu
Retour à la cohorte
Enregistrement W2066378255 · doi:10.1109/glocomw.2013.6855735

A geometrical probability-based approach towards the analysis of uplink inter-cell interference

2013· article· en· W2066378255 sur OpenAlexafffund
Maryam Ahmadi, Minming Ni, Jianping Pan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésInterference (communication)Stochastic geometryProbability density functionTopology (electrical circuits)Computer scienceTelecommunications linkTransmission (telecommunications)Coverage probabilityPower (physics)Probability distributionSIGNAL (programming language)Cellular networkAlgorithmCharacteristic function (probability theory)Signal-to-interference ratioStatistical physicsMathematicsElectronic engineeringTelecommunicationsPhysicsStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

Interference signal-to-interference ratio (SIR), and other performance metrics in cellular networks depend on the distances between the nodes. As a result, a geometrical probability-based approach can shed light on the analysis of the interference and SIR. In cellular networks, hexagon geometry is considered as the preferred cell shape, as it provides compactness and coverage efficiency. We propose an analytical model for the interference and SIR using the existing knowledge of random distances related to the hexagon geometry. We derive the closed-form expressions for the probability distribution function (PDF) of the interference from one interferer, as well as the PDF of the received signal power of the intended transmission using a geometrical probability-based approach. Moreover, the distributions of the total interference power and SIR are presented in this work. Finally, the analytical results are verified through extensive simulations, which shows the accuracy of our model.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,326

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,022
Tête enseignante GPT0,219
Écart entre enseignants0,197 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207