HePNC: A Cross-Layer Design for MIMO Networks with Asymmetric Two-Way Relay Channel
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Traditional communication system typically separates the configuration of the physical layer from the network traffic load and topology. In this paper, we study how to apply physical-layer network coding considering the locations and traffic loads of multiple nodes in multiple-input multiple-output (MIMO) networks. We propose the heterogeneous-modulation physical-layer network coding (HePNC) design for MIMO networks with asymmetric two- way relay channel (TWRC), where all nodes are equipped with multiple antennas. Comparing to the single-antenna case, we study how to ensure the goodput with a fixed per-bit-energy can be scaled up w.r.t. the number of antennas, and also achieve performance gains in terms of end-to-end bit error rate (BER). The MIMO HePNC transmission includes the multiple access (MA) and broadcast (BC) stages. As the global channel state information (CSI) may be too costly to obtain, we propose two practical MIMO HePNC protocols based on maximum likelihood (ML) multi-user detector (MUD) that do not rely on global CSI. The first protocol is a heuristic one evolved from the single-input single-output (SISO) HePNC, and the second protocol upgrades the design and performance of both of the MA and BC stages. Analytical and extensive simulations demonstrated that, with two antennas each, the proposed MIMO HePNC protocols can not only double the goodput, but also achieve a substantial reduction on error rate, which indicates that combining HePNC and MIMO is a very promising cross-layer solution. We further discuss the impacts of the bottleneck link and provide guidelines on the relay location selection.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,008 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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