MétaCan
Menu
Retour à la cohorte
Enregistrement W2334664297 · doi:10.1109/tvt.2015.2417568

Closed-Form Average SNR and Ergodic Capacity Approximations for Best Relay Selection

2015· article· en· W2334664297 sur OpenAlexaff
Qian Wang, Yindi Jing

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésErgodic theoryRelayCumulative distribution functionSignal-to-noise ratio (imaging)Probability density functionMathematicsExpression (computer science)Selection (genetic algorithm)Topology (electrical circuits)Capacity planningApplied mathematicsFunction (biology)Power (physics)Statistical physicsMathematical optimizationComputer scienceStatisticsMathematical analysisPhysicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

This work analyses the average signal-to-noise ratio (SNR) and ergodic capacity of large-scale relay networks with best relay selection (BRS). First, extreme value theory (EVT) is used to obtain an implicit expression for the asymptotic cumulative distribution function (cdf) of the received SNR when the number of relays is high. Then, via high power approximations, closed-form expressions for the cdf and probability density function (pdf) of the received SNR are achieved, from which closed-form expressions of the average received SNR and ergodic capacity are derived. Insights on the array gain and ergodic capacity behavior of BRS can be observed from the derived results. Simulations show that the derived approximations are tight, even for not-so-large relay networks.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,047
Tête enseignante GPT0,267
Écart entre enseignants0,220 · 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

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetCooperative Communication and Network CodingTravaux en français237 207