MétaCan
Menu
Retour à la cohorte
Enregistrement W2066699411 · doi:10.1109/tvt.2013.2288038

The Bottleneck Effect of Rician Fading in Dissimilar Dual-Hop AF Relaying Systems

2013· article· en· W2066699411 sur OpenAlexaff
Samy S. Soliman, Norman C. Beaulieu

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRician fadingFadingNakagami distributionCumulative distribution functionProbability density functionFading distributionMathematicsStatisticsAlgorithmComputer scienceRayleigh fading

Résumé

récupéré en direct d'OpenAlex

New infinite-series expressions are obtained for the probability density function (PDF) and the cumulative distribution function (CDF) of the instantaneous end-to-end signal-to-noise ratio (SNR) of dual-hop amplify-and-forward (AF) relaying systems operating over Rician fading channels and dissimilar dual-hop AF systems operating over mixed Nakagami-m/Rician fading channels. Precise analytical solutions for outage probability, as well as precise single-integral solutions for the ergodic capacity and the average symbol error probability, are obtained. Simulation results are used to verify the solutions obtained. It is shown that the limiting slopes of the average symbol error probability curves and the outage probability curves are not affected by the Rician fading parameter in contrast to the case of Nakagami-m fading links. For the case of mixed fading links, the exact performance metrics are compared to performance bounds in the literature. It is shown that the existing performance bounds are not tight for medium ranges of SNR. The effects of the Rician and Nakagami-m fading parameters on the system performance are also studied. It is shown that, while increasing the Rician parameter results in a notable SNR gain, increasing the Nakagami-m parameter results in a negligible improvement in the system performance.

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)0,004
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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

Citations21
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetCooperative Communication and Network CodingTravaux en français237 207