MétaCan
Menu
Retour à la cohorte
Enregistrement W2081186775 · doi:10.1109/tvt.2014.2298395

Performance of $p$-Norm Detector in AWGN, Fading, and Diversity Reception

2014· article· en· W2081186775 sur OpenAlexafffund
Vesh Raj Sharma Banjade, Chintha Tellambura, Hai Jiang

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAlgorithmAdditive white Gaussian noiseNorm (philosophy)FadingMathematicsDiscrete mathematicsApplied mathematicsStatisticsWhite noiseDecoding methods

Résumé

récupéré en direct d'OpenAlex

Performance analysis of the p-norm detector to date has been limited to ad hoc approximations, nonfading channels, and Rayleigh fading. To overcome these limitations, we develop several analytical/numerical solutions for detection probability P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">d</sub> and false alarm probability P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">f</sub> , which are necessary to specify the receiver operating characteristic (ROC) curves of the p-norm detector. First, for nonfading channels (additive white Gaussian noise (AWGN) only), the moment-generating function (mgf) of the decision variable is derived in two forms: 1) closed form for even integer p and 2) series form for arbitrary p. To evaluate P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">d</sub> and P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">f</sub> , a numerical method utilizing the Talbot inversion is developed for case 1, and an infinite series expansion with convergence acceleration based on the e-algorithm is derived for case 2. As an alternative to mgf-based analysis, a Laguerre polynomial series is also used to derive new P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">d</sub> and P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">f</sub> approximations. Second, series-form mgf-based P <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">d</sub> expressions are derived for κ-μ and α-μ fading channels. Third, for antenna diversity reception, new p-law combining (pLC) and p-law selection (pLS) schemes are proposed. The performance of these combiners with the p-norm detector is derived for Nakagami-m fading and is compared with that of the classical maximal ratio combining (MRC) and selection combining (SC). Interestingly, both pLC and pLS perform similarly to SC at low signal-to-noise ratio (SNR) but outperform it at relatively high SNR, with pLC performing closer to the optimal MRC. Numerical results are presented to verify the derived results and to provide further insights.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,190 · 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'étudeAutre devis
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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207