MétaCan
Menu
Retour à la cohorte
Enregistrement W2276436981 · doi:10.1109/vtcfall.2015.7391157

Stochastic Geometry Modeling of Cellular Uplink Power Control under Composite Rayleigh-Lognormal Fading

2015· article· en· W2276436981 sur OpenAlexaff
Prasanna Herath, Chintha Tellambura, Witold A. Krzymień

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPath lossRayleigh fadingShadow mappingStochastic geometryTelecommunications linkCoverage probabilityLog-distance path loss modelLog-normal distributionPower controlFadingTransmitter power outputSignal-to-interference-plus-noise ratioInterference (communication)Computer scienceMathematicsTopology (electrical circuits)AlgorithmPower (physics)StatisticsTelecommunicationsPhysicsWirelessDecoding methodsTransmitterChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Power control for uplink transmission in a randomly laid-out cellular network operating over an environment with path loss and composite Rayleigh-lognormal shadowing is investigated. Each mobile station (MS) adjusts its transmit power to completely remove shadowing and to partially invert the effect of path loss. Using stochastic geometry tools, we derive an approximate coverage probability expression and validate it via simulations. With the power control scheme considered, shadowing with lower standard deviation improves the coverage probability. Also the severity of shadowing of local and surrounding environments has the same effect on the coverage probability. It was also observed that at low signal-to-interference-plus-noise ratio (SINR) thresholds, complete compensation of shadowing and partial compensation of path loss improves coverage, while at high SINR thresholds inverting only the effect of shadowing gives a better coverage probability.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,212
Écart entre enseignants0,198 · 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
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207