MétaCan
Menu
Retour à la cohorte
Enregistrement W2120791636 · doi:10.1049/iet-com.2013.0659

Multi‐hop relaying systems in the presence of co‐channel interference over Nakagami‐ <i>m</i> fading channels

2014· article· en· W2120791636 sur OpenAlexaff
Raed Mesleh, Salama Ikki, Osama Amin

Notice bibliographique

RevueIET Communications · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensLakehead University
Organismes subventionnairesUniversity of Tabuk
Mots-clésNakagami distributionFadingCo-channel interferenceInterference (communication)Computer scienceChannel (broadcasting)Fading distributionTelecommunicationsComputer networkRayleigh fading

Résumé

récupéré en direct d'OpenAlex

Performance analysis of multi‐hop wireless networks with non‐regenerative relays over Nakagami‐ m fading channels in the presence of co‐channel interference is presented in this paper. In the analysis, an arbitrary number of independent and identically distributed Nakagami‐ m interferers will be considered. Closed‐form expression for the cumulative distribution function (CDF) of the upper bounded end‐to‐end signal‐to‐interference‐plus‐noise ratio (SINR) at the destination is given. The obtained CDF is then considered to study the average bit error probability (ABEP). Furthermore, an approximate expression for the CDF of the instantaneous end‐to‐end SINR is derived, based on which simple and general asymptotic expression for the error probability is presented and discussed. The derived asymptotic equation is shown to reduce to the already published equation in Rayleigh fading, which corroborate the exactness of the derived analysis. Besides, analytical comparison between amplify‐and‐forward and decode‐and‐forward multi‐hop systems in terms of ABEP is provided. Optimisation of the power allocation at the network's transmit nodes and the positioning of the relays are studied as well. It is shown that optimum power allocation achieves only coding gain, whereas optimising relay locations yields diversity gains as well as coding gain.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,098
Tête enseignante GPT0,330
Écart entre enseignants0,232 · 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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207