Distributed Opportunistic Channel Access in Wireless Relay Networks
Notice bibliographique
Résumé
In this paper, the problem of distributed opportunistic channel access in wireless relaying is investigated. A relay network with multiple source-destination pairs and multiple relays is considered. All source nodes contend through a random access procedure. A winner source may give up its transmission opportunity if its link quality is poor. In this research, we apply the optimal stopping theory to analyze when a winner source should give up its transmission opportunity. By assuming the winner source has channel state information (CSI) of links from itself to relays and from relays to its destination, the existence of an optimal stopping strategy is rigorously proved. The optimal stopping strategy has a pure-threshold structure. The case when a winner source does not have CSI of links from relays to its destination is also studied. Two stopping problems exist, one in the main layer (for channel access of sources), and the other in the sub-layer (for channel access of relays). An intuitive stopping strategy, where the main layer (for the first hop) and sub-layer (for the second hop) maximize their throughput respectively, is derived. The intuitive stopping strategy is shown to be non-optimal. An optimal stopping strategy is then derived theoretically. In either the intuitive stopping strategy or the optimal stopping strategy, the main-layer stopping rule has a pure-threshold structure, while the sub-layer stopping rule has a threshold determined by the channel realization in the preceding first-hop transmission. Our research reveals that multi-user (including multi-source and multi-relay) diversity and time diversity can be utilized in a relay network by our proposed strategies. The effectiveness of the strategies is validated by numerical and simulation results.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».