MétaCan
Menu
Retour à la cohorte
Enregistrement W2104189200 · doi:10.1109/wcl.2013.101613.130636

The Impact of Imperfect Channel Estimations on the Performance of Optimum Combining in Decode-and-Forward Relaying in the Presence of Co-Channel Interference

2013· article· en· W2104189200 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-clésChannel (broadcasting)Computer scienceRelayOverhead (engineering)Interference (communication)Node (physics)Channel state informationDiversity gainCo-channel interferenceImperfectPerformance improvementComputer networkTelecommunicationsElectronic engineeringFadingWirelessEngineeringPower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

Optimum combining (OC) in cooperative relaying enables achieving a diversity gain of M in the presence of co-channel interference (CCI), where M is the number of relay nodes. The additional performance overhead of OC is the need for estimation of interferer channels. The impact of imperfect channel estimation on the performance of OC with decode-and-forward relaying is analyzed. When the source-destination and relay-destination channel estimations are imperfect, the diversity gains of OC deteriorate and the performance further degrades with increase of the error variance. When the destination node accurately estimates the variances of the interferer channel state information (CSI), instead of instantaneous CSI, no performance loss is observed. Thus, the overhead associated with the interferer channel estimation in OC can be significantly reduced.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil0,803

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0040,001
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,308
Écart entre enseignants0,261 · 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

Citations12
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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