MétaCan
Menu
Retour à la cohorte
Enregistrement W2766207463 · doi:10.1002/dac.3443

A survey of overlay and underlay paradigms in cognitive radio networks

2017· article· en· W2766207463 sur OpenAlexaff
Bhoopendra Kumar, Isaac Woungang

Notice bibliographique

RevueInternational Journal of Communication Systems · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésUnderlayCognitive radioComputer scienceComputer networkOverlayThroughputWirelessTransmission (telecommunications)Overlay networkSoftware-defined radioWireless networkTelecommunicationsThe InternetSignal-to-noise ratio (imaging)World Wide Web

Résumé

récupéré en direct d'OpenAlex

Summary In the recent years, wireless applications and services have grown tremendously, resulting to a shortage of radio spectrum. On one hand, most of the available radio spectrum has already been allocated to different users and service providers. On another hand, research and statistics have revealed that the spectrum utilization usability is very limited. To address this dilemma, the concept of cognitive radio has emerged, which promotes the use of overlay and underlay transmission techniques to boost the utilization of radio spectrum resources. This paper provides a comprehensive survey of these 2 techniques and compares them qualitatively based on several network parameters. Next, this paper simulates overlay and underlay transmission techniques in OMNeT++ simulator on different network parameters, namely, Primary user arrival rate, throughput, sensing duration, and energy consumption. Our findings reveal that neither the overlay nor the underlay technique is sufficient itself to fulfill the demands for future wireless systems, and adopting a hybrid access technique consisting of a joint utilization of overlay and underlay approaches is desirable. Furthermore, the key challenges and open research issues in radio spectrum resources utilization are discussed.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
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 Opus0,050
Tête enseignante GPT0,327
Écart entre enseignants0,277 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations45
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Communication SystemsMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207