Optimal-Switching Adaptive Modulation for Multiuser Relay Networks with Feedback Delays
Notice bibliographique
Résumé
The performance of optimal switching adaptive modulation for multiuser amplify-and-forward (AF) relay networks over Nakagami-m fading channel is studied. Moreover, we consider two types of communication: i) relay-assisted communication (RAC): the source transmits its message to best user via relay path, ii) selective communication (SC): the source decides whether to forward the source message to the best user via relay path or direct path by comparing the end-to-end instantaneous signal-to-noise ratio (SNR) at the best user, which is independent of modulation scheme. Specifically, multiuser diversity and adaptive discrete-rate five-mode M-ary quadrature amplitude modulation (M-QAM) with constant transmit power is employed with fixed and optimal switching thresholds. The optimization criterion for switching thresholds is the maximization of spectral efficiency subject to target bit-error-rate. In particular, the detrimental effect of feedback delays in multiuser opportunistic scheduling (which exploits multiuser diversity) and adaptive modulation is quantified. To this end, an exact and an upper bound of the end-to-end SNRs are obtained and used to derive the cumulative distribution function and probability density function for each case. Moreover, exact outage probabilities, and lower bounds for the outage probabilities and average bit error rates, and the average spectral efficiencies are derived in closed-form. Further, we also present the high SNR approximations for outage probabilities and BERs. We observe that, for a particular spectral efficiency, adaptive five-mode M-QAM with optimal switching outperforms fixed switching and provides approximately 2 dB and 2.5 dB gain in average SNR for RAC and SC, respectively. Monte-Carlo simulations are performed to validate the analytical results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».