MétaCan
Menu
Retour à la cohorte
Enregistrement W2253241185 · doi:10.1109/tsp.2015.2494881

Sum-Rate Maximization for Two-Way Active Channels

2015· article· en· W2253241185 sur OpenAlexaff
Pedram Abbasi-Saei, Shahram Shahbazpanahi

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésMaximizationTransceiverChannel (broadcasting)ReciprocalComputer scienceMathematical optimizationConstraint (computer-aided design)Transmitter power outputTopology (electrical circuits)TransmitterMathematicsTelecommunicationsWirelessCombinatorics

Résumé

récupéré en direct d'OpenAlex

A two-way active parallel channel refers to a communication link between two transceivers, where the subchannel gains between the two transceivers can be adjusted such that a given performance criterion is optimized. A two-way active channel can have reciprocal subchannels, meaning that the subchannel gains in both communication directions are identical. Otherwise, if the gains of each subchannel in the two communication directions are different, the active channel is referred to as non-reciprocal. In this paper, we consider the problem of sum-rate maximization for reciprocal and non-reciprocal two-way active channels under two constraints on the transceivers' transmit powers and a third constraint on the channel power (i.e., the sum of squared of the subchannel gains). We prove rigorously that for such active channels, in order to maximize the sum-rate, only a subset of the subchannels will have to be active. We also provide the optimal values of the subchannel gains and the optimal values of the transceivers' transmit powers over different subchannels in closed forms. Simulation results show that parallel active channels can outperform their passive counterparts, where the subchannel gains are fixed, and thus, they cannot be adjusted.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,087
Tête enseignante GPT0,313
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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