MétaCan
Menu
Retour à la cohorte
Enregistrement W2074311317 · doi:10.1109/iccnc.2013.6504072

Dual-hop AF systems with maximum end-to-end SNR relay selection over nakagami-m and rician fading links

2013· article· en· W2074311317 sur OpenAlexaff
Samy S. Soliman, Norman C. Beaulieu

Notice bibliographique

Revue2013 International Conference on Computing, Networking and Communications (ICNC) · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRician fadingRelayNakagami distributionFadingCumulative distribution functionProbability density functionComputer scienceMaximal-ratio combiningSignal-to-noise ratio (imaging)Selection (genetic algorithm)Relay channelMathematicsTopology (electrical circuits)AlgorithmTelecommunicationsStatisticsChannel (broadcasting)Physics

Résumé

récupéré en direct d'OpenAlex

Novel, exact closed-form expressions are derived for the probability density function (PDF) and the cumulative distribution function (CDF) of the instantaneous end-to-end signal-to-noise ratio (SNR) of opportunistic dual-hop amplify-and-forward relaying systems with maximum end-to-end SNR relay selection. The derived expressions are used to find exact integral solutions for the ergodic capacity and the average symbol error probability as well as an exact explicit closed-form solution for the outage probability of the opportunistic AF system. The analysis is presented for the common channel fading distributions, Nakagami-m and Rician fadings, and for the cases of statistically identical fading links and statistically non-identical fading links. Examples show precise agreement between analytical results and simulation results. It is shown that the system performance is superior to AF relaying systems without relay selection. The maximum end-to-end SNR relay selection method provides diversity gain, proportional to the relay selection pool size, over AF relaying systems without relay selection.

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 enseignants0,001
Score d'incertitude au seuil0,004

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 recherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,289
Écart entre enseignants0,238 · 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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2013 International Conference on Computing, Networking and Communications (ICNC)Même sujetCooperative Communication and Network CodingTravaux en français237 207