MétaCan
Menu
Retour à la cohorte
Enregistrement W2115571348 · doi:10.1109/ccece.2008.4564652

Performance of selection combining in cooperative relaying networks over Rayleigh fading channel

2008· article· en· W2115571348 sur OpenAlexaffvenue
Salama Ikki, Mohamed H. Ahmed

Notice bibliographique

RevueConference proceedings - Canadian Conference on Electrical and Computer Engineering · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRayleigh fadingMoment-generating functionFadingProbability density functionCumulative distribution functionMaximal-ratio combiningChannel state informationKeyingFading distributionTopology (electrical circuits)Phase-shift keyingClosed-form expressionAlgorithmDiversity gainChannel (broadcasting)Computer scienceDiversity combiningSignal-to-noise ratio (imaging)MathematicsExpression (computer science)TelecommunicationsStatisticsBit error rateMathematical analysisWirelessCombinatorics

Résumé

récupéré en direct d'OpenAlex

This paper studies the end-to-end performance of cooperative diversity networks equipped with amplify-and-forward (non-regenerative) relays and a selection combining receiver over independent non-identical Rayleigh fading channels. Closed-form expressions for the cumulative distribution function (CDF), the probability density function (PDF) and the moment generating function (MGF) of the end-to-end signal-to-noise ratio (SNR) are derived. Also, closed-form expressions for the outage probability are determined for two cases (channel-state-information-based-gain and fixed-gain relaying). In this paper the error performance is analyzed using the moment generating function. A closed-form expression for the error probability for binary differential phase shift keying is obtained. Furthermore, average SNR, the moments, and amount of fading were obtained by using the MGF.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,024
Tête enseignante GPT0,208
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConference proceedings - Canadian Conference on Electrical and Computer EngineeringMême sujetCooperative Communication and Network CodingTravaux en français237 207