MétaCan
Menu
Retour à la cohorte
Enregistrement W2170731591 · doi:10.1109/iwcmc.2008.155

Adaptive Coded Cooperation in Wireless Networks

2008· article· en· W2170731591 sur OpenAlexaff
Faisal Alazem, Jean‐François Frigon, David Haccoun

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkAntenna diversityCooperative diversityChannel (broadcasting)Coding (social sciences)Redundancy (engineering)Decoding methodsWirelessLinear network codingAutomatic repeat requestSpectral efficiencyFadingHybrid automatic repeat requestTelecommunicationsTelecommunications linkMathematics

Résumé

récupéré en direct d'OpenAlex

User cooperation enables single antenna terminals to benefit from spatial diversity by partnering with other users to create a virtual transmit antenna array. A promising form of cooperation is called coded cooperation which integrates cooperation with channel coding, showing great performance gains. However, the optimal degree of cooperation between the users changes with the channel conditions and furthermore, there is no known expressions indicating the required degree of cooperation for given channel conditions. This paper proposes an adaptive protocol based on incremental redundancy using an ARQ/FEC scheme with rate-compatible punctured convolutional codes (RCPC). By employing a ACK/NACK feedback channel from the partner, each user incrementally decreases its coding rate in the first cooperation phase in order to increase its chances of being correctly decoded by the partner and thus benefit from spatial diversity, while preserving as much resources as possible to provide relaying diversity for the other user. Simulation results illustrate the gains and flexibility of our protocol for both reciprocal and non-reciprocal channels. The results show that our adaptive protocol outperforms for all channel conditions coded cooperation with a fixed degree of cooperation with gains on the order of 2 to 4 dB.

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)0,004
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,052
Tête enseignante GPT0,261
Écart entre enseignants0,208 · 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

Citations7
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network CodingTravaux en français237 207