MétaCan
Menu
Retour à la cohorte
Enregistrement W2528326411 · doi:10.6180/jase.2015.18.3.12

Performance Analysis of the Mobile-Relay-Based M2M Communication Over N-Nakagami Fading Channels

2015· article· en· W2528326411 sur OpenAlexaff
Lingwei Xu, Hao Zhang, Tingting Lu, Xing Liu, Zhaoqiang Wei

Notice bibliographique

RevueJournal of Applied Science and Engineering · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésFadingNakagami distributionMoment-generating functionRelayUpper and lower boundsPower (physics)MathematicsAlgorithmModulation (music)Computer scienceMoment (physics)Topology (electrical circuits)TelecommunicationsStatistical physicsElectronic engineeringStatisticsRandom variableChannel (broadcasting)PhysicsMathematical analysisCombinatoricsEngineeringQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this paper, the lower bound on the average symbol error probability (ASEP) of the amplify-and-forward (AF) relaying mobile-to-mobile (M2M) system over N-Nakagami fading channels is investigated. The moment generating function (MGF) method is used to obtain the lower bound on ASEP for various modulation techniques. Then the ASEP performance under different conditions is evaluated through numerical simulations to verify the analysis. The simulation results showed that the fading coefficient, the number of cascaded components, the relative geometrical gain and the power-allocation parameter have an important influence on the ASEP performance.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,228

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,023
Tête enseignante GPT0,243
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 revueJournal of Applied Science and EngineeringMême sujetCooperative Communication and Network CodingTravaux en français237 207