MétaCan
Menu
Retour à la cohorte
Enregistrement W2599836369 · doi:10.1109/vtcfall.2016.7881116

On the Achievable Rate and Average Sum Capacity of Spread Spectrum Underlay CR Networks

2016· article· en· W2599836369 sur OpenAlexaff
Saed Daoud, David Haccoun, Christian Cardinal

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésUnderlayTransmitterCognitive radioBandwidth (computing)Interference (communication)Quality of serviceComputer scienceTransmitter power outputMonte Carlo methodTelecommunicationsSignal-to-noise ratio (imaging)Electronic engineeringTopology (electrical circuits)MathematicsEngineeringWirelessElectrical engineeringStatisticsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate the achievable rate and the average sum capacity of an underlay cognitive radio (CR) (also known as a secondary) system. We consider single user (SU) and multiple users (MU) secondary systems that deploy spread spectrum as the signaling technique which utilizes the whole available spectrum. The objective is to maximize the achievable rate and the average sum capacity of the SU and MU secondary systems, respectively, by allocating the optimum power to the secondary transmitter(s) (STs), such that the instantaneous (aggregate) interference power from STs is below a certain threshold at the primary receiver (PR), to guarantee the quality of service (QoS) of the primary system. Numerical and Monte-Carlo Simulation results show that the achievable rate of the SU system and the average sum capacity of the MU system can be enhanced significantly compared to other signaling techniques, because of the fact that in spread spectrum the signal's power is spread over a wider bandwidth, which gives the secondary system more freedom to allocate power to enhance the data rate.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,017
Tête enseignante GPT0,208
Écart entre enseignants0,191 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207