MétaCan
Menu
Retour à la cohorte
Enregistrement W2115189853 · doi:10.1109/tmc.2010.43

Optimal Cooperative Relaying Schemes in IR-UWB Networks

2010· article· en· W2115189853 sur OpenAlexaff
Ghasem Naddafzadeh Shirazi, Peng‐Yong Kong

Notice bibliographique

RevueIEEE Transactions on Mobile Computing · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of MelbourneUniversity of Cambridge
Mots-clésComputer scienceComputer networkNetwork packetThroughputFadingOverhead (engineering)RelayWirelessWireless networkCooperative diversityDiversity gainInterval (graph theory)Distributed computingChannel (broadcasting)Power (physics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Cooperation between wireless nodes to retransmit data for the other users introduces multiuser diversity to a wireless network and increases the system throughput. In this paper, the optimal cooperative relaying strategies in the MAC layer are analyzed while considering the UWB unique properties such as fine ranging and immunity to small scale fading. Specifically, the optimal cooperation strategies in the absence of coordination message passing between relays are determined in order to maximize the system throughput while reducing the control packet overhead. Mobile networks are also considered, in which the relays should exchange their ranging information together in some update intervals. The optimal update interval length is calculated in order to maximize the system throughput. More importantly, we show that if this optimal update interval is used, the optimal cooperation strategies in the mobile case will be similar to those in the static network. Two different relay selection schemes, namely proactive and reactive settings, are considered. Analysis and simulations confirm that the proposed UWB-based Cooperative Relaying Scheme, UCoRS, can achieve a considerable diversity gain in spite of its implementation simplicity. UCoRS also minimizes the number of control packets that are required for the optimal cooperation, which leads to the energy efficiency in the UWB costly data-receiving process.

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 candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil1,000

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,278
Écart entre enseignants0,259 · 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.

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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Mobile ComputingMême sujetCooperative Communication and Network CodingTravaux en français237 207