MétaCan
Menu
Retour à la cohorte
Enregistrement W2736754802 · doi:10.1109/lwc.2017.2729554

Mode Switching for SWIPT Over Fading Channel With Nonlinear Energy Harvesting

2017· article· en· W2736754802 sur OpenAlexafffund
Jae‐Mo Kang, Il‐Min Kim, Dong In Kim

Notice bibliographique

RevueIEEE Wireless Communications Letters · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Research Foundation of Korea
Mots-clésFadingEnergy harvestingComputer scienceWirelessDecoding methodsNonlinear systemMaximum power transfer theoremChannel (broadcasting)Energy (signal processing)Information transferElectronic engineeringPower (physics)Computer networkTelecommunicationsMathematicsEngineeringStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

We study mode switching (MS) between information decoding and energy harvesting (EH) for simultaneous wireless information and power transfer (SWIPT) over the fading channel. Unlike the existing result obtained with a simplistic assumption of linear EH, we consider a realistic scenario of the nonlinear EH. In this setting, to design the optimal MS, we address the problem of maximizing the average achievable rate under an average harvested energy constraint, which is generally nonconvex and combinatorial. Using the time-sharing condition, the optimal MS solution for the nonlinear EH is presented efficiently. From the obtained result and further analysis, we draw interesting and important insights into the optimized SWIPT system with nonlinear EH.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,511
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0020,000
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 Opus0,026
Tête enseignante GPT0,263
Écart entre enseignants0,237 · 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.

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

Citations26
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless Communications LettersMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207