MétaCan
Menu
Retour à la cohorte
Enregistrement W2112647076 · doi:10.1049/iet-com.2012.0627

Secondary user access based on stochastic link estimation in cognitive radio with fibre‐connected distributed antennas

2013· article· en· W2112647076 sur OpenAlexaff
Wendong Ge, Hong Ji, Xi Li, Victor C. M. Leung

Notice bibliographique

RevueIET Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Youth Science Foundation
Mots-clésCognitive radioComputer scienceLink (geometry)Stochastic geometryEstimationComputer networkTelecommunicationsMathematicsWirelessStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

In this study, the authors consider the application of a system architecture called cognitive radio (CR) with fibre‐connected distributed antennas in IEEE 802.22 wireless regional area networks (WRANs) as it could bring the benefits of much shorter wireless transmission distances, lower transmission power and the possibility of utilising multi‐antenna transmission techniques. In this architecture, the authors study the secondary user (SU) access problem in uplink, where the SU to primary user (PU) link estimation is subject to random errors because PU could not assist link estimation of SU. This SU access problem is divided into two parts: antenna selection and access control. Thus, first antenna selection problem is modelled as a restless bandit problem, which is solved by the primal‐dual index heuristic algorithm based on first order relaxation. In addition, the access control problem is modelled as a stochastic knapsack (SASK) problem with random weight, and then relaxed to be a deterministic second order cone programming problem. With the deduced upper bound, the access control problem is solved by the branch and bound algorithm, which yields the SU access based on SASK scheme. Simulation results illustrate the significant performance improvement of SASK scheme, compared with existing SU access methods.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,723

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,280
Écart entre enseignants0,254 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207