MétaCan
Menu
← Retour à la cohorte
Enregistrement W2560025158 · doi:10.1109/wimob.2016.7763219

Increasing throughput in multi-way three-user MIMO networks using successive relaying and IRI cancellation

2016· article· en· W2560025158 sur OpenAlexaff
Fadhel Alhumaidi, Jacek Ilow

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMIMORelayChannel state informationComputer scienceSingle antenna interference cancellationTransceiverBit error rateThroughputScheduling (production processes)Computer networkWirelessElectronic engineeringChannel (broadcasting)Multi-user MIMORelay channelTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

This paper considers multi-way communications among three users equipped with multiple-input multiple-output (MIMO) transceivers that exchange massages between each other via two amplify-and-forward (AF) co-located relays. In this network with half-duplex MIMO relays, the wireless medium is simultaneously utilized for time-slotted transmissions by one of the users and one of the relays in order to increase the network capacity. The relays successively relay the signals creating inter-relay interference (IRI), which limits the bit error rate (BER) performance. To mitigate the IRI, this paper develops a cancellation technique at the receiving side of the users through specialized signal processing and scheduling of transmissions with opportunistic listening. The full IRI cancellation is possible assuming that every transceiver knows its receiving channel state information (CSI) and the inter-relay CSI. When all nodes - users and relays - are equipped with M antennas, the proposed scheme allows to exchange M messages per time slot which doubles the capacity of the network over the conventional AF system operating with a single relay in one-way setup. Simulation results document the effectiveness of the developed scheme in terms of channel capacity and the BER 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,067
Tête enseignante GPT0,308
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCooperative Communication and Network Coding→Travaux en français237 207→