MétaCan
Menu
Retour à la cohorte
Enregistrement W2075177459 · doi:10.1109/wcl.2013.061213.130313

Outage Probability of Decode-and-Forward Relaying with Optimum Combining in the Presence of Co-Channel Interference and Nakagami Fading

2013· article· en· W2075177459 sur OpenAlexaff
Navod Suraweera, Norman C. Beaulieu

Notice bibliographique

RevueIEEE Wireless Communications Letters · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNakagami distributionFadingCo-channel interferenceInterference (communication)Maximal-ratio combiningDiversity gainRelayNode (physics)Topology (electrical circuits)Outage probabilityComputer scienceChannel (broadcasting)Diversity combiningSignal-to-noise ratio (imaging)TelecommunicationsComputer networkMathematicsPhysicsPower (physics)CombinatoricsAcoustics

Résumé

récupéré en direct d'OpenAlex

The performance of optimum combining (OC) used in a decode-and-forward relay network over Nakagami-m fading channels in the presence of co-channel interference at the relay nodes and at the destination is analyzed. A closed-form expression is derived for the exact outage probability. It is found that OC cannot be used to achieve end-to-end diversity gain when interference is present at single-antenna relays, but the outage probability floor at the destination receiver is lowered by the OC. If the interference is present only at the destination, diversity gains can be achieved using OC. The performance of OC is compared with maximal-ratio combining (MRC) and OC achieves diversity gain if interference is present only at the destination node, whereas MRC does not.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,449

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,001
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 Opus0,049
Tête enseignante GPT0,280
Écart entre enseignants0,232 · 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

Citations23
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless Communications LettersMême sujetCooperative Communication and Network CodingTravaux en français237 207