MétaCan
Menu
Retour à la cohorte
Enregistrement W2740935167 · doi:10.1109/icc.2017.7997346

Energy harvesting random underlay cognitive networks with power control

2017· article· en· W2740935167 sur OpenAlexaff
Sachitha Kusaladharma, Chintha Tellambura

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésUnderlayPower controlTransmitterEnergy harvestingComputer scienceCognitive radioTransmitter power outputComputer networkPath lossTransmission (telecommunications)WirelessTelecommunicationsElectronic engineeringPower (physics)Energy (signal processing)EngineeringMathematicsSignal-to-noise ratio (imaging)PhysicsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Spectrum and energy constraints are fundamental barriers to the future growth of wireless communication networks, and to break this gridlock is the promise of energy harvesting cognitive radio (CR) networks. To this end, this paper investigates the feasibility of energy harvesting underlay CR networks with the primary system employing power control. We consider primary and underlay nodes distributed randomly in R2as homogeneous Poisson point processes (PPP). Underlay transmitters scavenge power from primary transmitters, and are able to transmit as long as they are outside a guard region surrounding a primary receiver. The primary and underlay systems are assumed to perform power control based on path loss inversion, and that a underlay transmitter requires N charging slots to fully charge its batteries after depletion. We consider two cases of power depletion after a underlay transmission: 1) full power depletion, and 2) partial power depletion based on distances to the intended receivers. We derive the probability of a successful charge by mapping the PPP of primary transmitters to an equivalent PPP incorporating random transmit powers, and use a Markov chain to derive the probability of a successful transmission while incorporating temporal effects for the two aforementioned power depletion scenarios. We show that the probability of successful transmission is not greatly affected by the guard distance, and that it drops by approximately 10 fold for each 15 dB increase in the threshold received power level required for an energy harvest. We further show that energy harvesting is most feasible when the threshold power required for a harvest is lower than the receiver sensitivity of a primary receiver.

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)0,004
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,198
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 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207