An Analysis Framework for Buffer-Aided Relaying Under Time-Correlated Fading Channels
Notice bibliographique
Résumé
In this paper, we propose a framework to analyze the performance of buffer-aided (BA) relaying under time-correlated fading channels in terms of the queueing behavior of packets at the relay's buffer. Unlike independent and identically distributed (i.i.d.) fading, correlated fading brings challenges in performance analysis since the state transition probabilities of buffer occupancy become time variant. To overcome this issue, we first establish an aggregate quasi-birth-death (QBD) Markov chain integrating both the buffer occupancy process and the channel fading process, then analyze the stationary distribution of the aggregate chain, and finally extract the stationary distribution of buffer occupancy from it. Using the stationary distribution of buffer occupancy, system throughput, end-to-end delay, and outage probability are derived. Numerical results verify our analyses and show that the throughput of BA relaying under correlated fading channels can approach the one under i.i.d. fading only for loose delay constraints or high fading margins. For stringent delay constraints and low fading margins, correlated fading causes great degradation of throughput. In particular, a throughput loss of about 16% under an infinite buffer (28% under a finite buffer) is observed for the requirement of an average delay of 20 slots and a fading margin of 5 dB. This means that the designs based on i.i.d. fading are not always feasible for correlated fading. According to these observations, some insights on performance degradation and guidelines on redesigning improved policies under correlated fading are provided.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».