MétaCan
Menu
Retour à la cohorte
Enregistrement W2126468174 · doi:10.1109/pimrc.1995.476874

Performance bounds evaluation of FH SS radio networks with interference modeled as a mixture of Gaussian and alpha-stable noise

2002· article· en· W2126468174 sur OpenAlexaff
Jacek Ilow, Dimitrios Hatzinakos, A.N. Venetsanopoulos

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFrequency-shift keyingGaussian noiseTransmitterNoise (video)GaussianInterference (communication)Random variableTelecommunicationsComputer scienceAlgorithmMathematicsElectronic engineeringTopology (electrical circuits)PhysicsStatisticsEngineeringArtificial intelligenceCombinatorics

Résumé

récupéré en direct d'OpenAlex

We consider the performance of frequency-hopping spread spectrum (FH SS) radio networks in a Poisson field of interfering terminals using the same modulation and power. The problem is relevant to mobile communication systems where the mobility of users requires random modeling of transmitter positions in the network. Assuming logarithmic attenuation of the signal strength over distance between the transmitter and receiver, we show that the interference in the network could be modeled as a mixture of Gaussian and circularly symmetric /spl alpha/-stable noise. Based on this model, we derive union bound approximations for the probability of error for FH systems with M-ary frequency shift keying (FSK). We generalize some of the results of Sousa (see IEEE Trans. I.T., vol.38, no.6, p.1743, 1992), where the focus was limited to Cauchy random variables (RVs), a special subclass of stable distributions, and where the effect of a background (Gaussian) noise was neglected. Numerical calculations and Monte Carlo simulations confirm the accuracy of our analysis. The results obtained allow the prediction of wireless system performance in environments varying from urban settings to office buildings.

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 enseignants0,475
Score d'incertitude au seuil0,430

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 technologies0,0000,000
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 Opus0,039
Tête enseignante GPT0,272
Écart entre enseignants0,233 · 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

Citations6
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Networks ResearchTravaux en français237 207