MétaCan
Menu
Retour à la cohorte
Enregistrement W2163708326 · doi:10.1109/tsp.2006.885761

The Amplify-and-Forward Half-Duplex Cooperative System: Pairwise Error Probability and Precoder Design

2007· article· en· W2163708326 sur OpenAlexaff
Yanwu Ding, Jian‐Kang Zhang, Kon Max Wong

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPairwise error probabilityDiversity gainCoding gainMIMOControl theory (sociology)MathematicsAlgorithmComputer scienceQuadrature amplitude modulationTopology (electrical circuits)Bit error rateStatisticsDecoding methodsBeamforming

Résumé

récupéré en direct d'OpenAlex

In this paper, an exact asymptotic pairwise error probability (PEP) is derived for a half-duplex cooperative system employing an amplify-and-forward (AF) protocol. When compared with the PEP of a traditional multiple-input multiple-output (MIMO) system, the "diversity gain" for the cooperative system is no longer just a simple exponential function of the signal-to-noise ratio (SNR), rather, it involves the logarithm of the SNR. The term diversity gain function is used to designate this characteristic of the PEP. The coding gain, on the other hand, is found similar to that for the MIMO system and is proportional to the determinant of the autocorrelation of the error matrix. Based on our analysis and observations, we propose a design of unitary precoder for the cooperative system to achieve the full diversity gain function. For the case of a 4-QAM signal being transmitted, we further optimize the coding gain and arrive at a closed-form optimum precoder. Simulations indicate that our proposed precoder designs greatly improve the performance of the cooperative system

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,292
Écart entre enseignants0,227 · 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

Citations117
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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