MétaCan
Menu
Retour à la cohorte
Enregistrement W2150330727 · doi:10.1109/25.892580

On the capacity of cellular DS/CDMA systems under slow Rician/Rayleigh-fading channels

2000· article· en· W2150330727 sur OpenAlexaff
B. Hashem, E.S. Sousa

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensUniversity of TorontoNortel (Canada)
Organismes subventionnairesnon disponible
Mots-clésRician fadingMultipath propagationFadingRayleigh fadingBase stationFading distributionPath lossPower controlCode division multiple accessComputer scienceInterference (communication)Electronic engineeringTelecommunicationsEngineeringPower (physics)WirelessPhysicsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Power control is essential for code-division multiple-access (CDMA) cellular systems to overcome the near-far problem. Fast power control tracks multipath fading perfectly which increases the intercell interference and thus reduces the capacity. If there is a line of sight (LOS) component between the mobile and the base station with which it is communicating, the fading will be of Rician type and less deep fades will be encountered which reduces the intercell interference. In this paper, we investigate the system capacity assuming the fading between a mobile and the base station with which it is communicating to be Rician with a Rician factor K with the fading between the same mobile and other base stations to be Rayleigh. We show a large increase in the capacity even for small Rician factors. A Rician fading is usually encountered when the mobile is close to the base station and thus the path-loss exponent can be less than four. Thus, we investigate the effect of changing the path-loss exponent value on the system capacity. Finally, we reduce the intercell interference by imposing a limit on the maximum increase in power to compensate for multipath fading and show how can this increase the capacity by more than 100%.

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)0,012
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 enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,028
Tête enseignante GPT0,240
Écart entre enseignants0,212 · 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

Citations22
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetWireless Communication Networks ResearchTravaux en français237 207