MétaCan
Menu
Retour à la cohorte
Enregistrement W2160378521 · doi:10.1109/tsp.2010.2046636

Adaptive Relaying in Noncoherent Cooperative Networks

2010· article· en· W2160378521 sur OpenAlexaff
Ha H. Nguyen

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésRelayComputer scienceCooperative diversityFrequency-shift keyingChannel (broadcasting)Power (physics)AlgorithmControl theory (sociology)MathematicsComputer networkFadingDemodulationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This correspondence considers a cooperative network in which binary frequency-shift-keying (BFSK) modulation is employed to facilitate noncoherent communications between a source and a destination with the help of relays. Proposed is an adaptive cooperative scheme that employs two thresholds as follows. One threshold is used to select retransmitting relays: a relay retransmits to the destination if its decision variable is larger than the threshold, otherwise it remains silent. The other threshold is used at the destination for detection: the destination marks a relay as a retransmitting relay if the decision variable corresponding to the relay is larger than the threshold, otherwise, the destination marks it as a silent relay. Then the destination combines the signals from the retransmitting relays and from the source to make the final decision. The average end-to-end (e2e) bit-error rate (BER) is derived in a closed-form expression for a two-relay network. The problems of selecting optimal thresholds or jointly optimal thresholds and power allocation to minimize the average BER are investigated. Simulation results are provided to validate our analysis. Compared to the previously proposed piecewise-linear (PL) detection scheme, our proposed scheme yields a superior performance under a wide range of channel conditions when optimal thresholds or jointly optimal thresholds and power allocation are employed.

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)0,000
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 enseignants0,984
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,035
Tête enseignante GPT0,280
Écart entre enseignants0,245 · 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

Citations17
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetCooperative Communication and Network CodingTravaux en français237 207