MétaCan
Menu
Retour à la cohorte
Enregistrement W2144476100 · doi:10.1049/iet-com.2013.0099

Signal‐to‐noise ratio optimisation for multi‐input multi‐output relay systems with direct source–destination path

2013· article· en· W2144476100 sur OpenAlexafffund
Mohammad Hassan Shariat, Mehrzad Biguesh, Saeed Gazor

Notice bibliographique

RevueIET Communications · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaIran Telecommunication Research Center
Mots-clésRelayComputer sciencePath (computing)Signal-to-noise ratio (imaging)SIGNAL (programming language)Noise (video)TelecommunicationsComputer networkPhysicsArtificial intelligencePower (physics)

Résumé

récupéré en direct d'OpenAlex

The authors consider a relay communication system, where all nodes are equipped with multi‐input multi‐output antennas, and there is a direct path/channel between the source and the destination. Assuming a linear non‐regenerative relaying, the relay matrix is designed by maximising the signal‐to‐noise ratio of the system. The authors derive the optimum relaying matrix for different power constraints in the relay, including the fixed relay power constraint and constraint on the maximum transmitting power from the relay. Under the constraint of fixed total transmit power, they derive the optimum power budgets of the relay and source that only depend on four positive quantities. They prove that there always exists a rank‐one relaying matrix, which transmits signal in one‐dimensional subspace and leaves the other subspaces clean. In addition, when the quality of the source–destination (SD) channel is poor, this matrix is the best rank‐one relaying transform that maximises mutual information between the source and the destination. Finally, they conclude that the relaying is beneficial only if the link quality for the source–relay is twice better than that of the SD, where the link quality is proportional to the ratio of the channel power gain to the received noise variance.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,987

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 savante0,0010,001
Science ouverte0,0030,001
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 Opus0,085
Tête enseignante GPT0,302
Écart entre enseignants0,217 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetCooperative Communication and Network CodingTravaux en français237 207