Generalized Asymptotic Measures for Wireless Fading Channels with a Logarithmic Singularity
Notice bibliographique
Résumé
In wireless channels, the received signal to noise ratio (SNR) can be represented as γ = βγ̅, where γ is the average SNR and β is a random variable with probability density function (PDF) f(β). In this paper, we analyze the high SNR performance of wireless channels with a logarithmic singularity. That is, f(β) = aβt+ bβμlog(β) + ··· near β = 0. This logarithmic singularity (LS) is critically important in determining the high SNR performance and appears to have been completely overlooked. Important special cases include Gamma-Gamma and Generalized-K channels. For instance, the GG has been used to model scattering, reflection, and diffraction and optical, navigation and relay channels [1]. This versatility highlights the importance of LS wireless channels. Classical asymptotic or high SNR analysis is developed by expanding f(β) = aβt+ · · · near β = 0 and expressing the diversity and coding gain as direct functions of a and t. However, as this monomial expansion does not hold for LS channels, we develop generalized asymptotic performance measures for outage and error rates. The results show significantly improved accuracy in the SNR range of 1025 dB. For this range, our new asymptotic expressions achieve much better accuracy than the conventional ones that ignore this singularity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».