MétaCan
Menu
Retour à la cohorte
Enregistrement W2891216649 · doi:10.1109/tvt.2018.2869946

Achievable Rate Region of the Buffer-Aided Two-Way Energy Harvesting Relay Network

2018· article· en· W2891216649 sur OpenAlexaff
Xiaolong Lan, Qingchun Chen, Xiaohu Tang, Lin Cai

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRelayComputer networkComputer scienceScheduling (production processes)WirelessWireless networkEnergy harvestingEnergy (signal processing)Power (physics)Mathematical optimizationMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate the buffer-aided two-way wireless energy harvesting (EH) relay network comprising two users and one relay, where two users exchange information with the help of the relay via three phases of EH, multiple-access, and broadcast. By transforming the opportunistic scheduling design problem into an equivalent convex problem, we present the adaptive design for the buffer-aided two-way EH relay network to maximize the long-term achievable rate region. To fulfill the delay sensitive transmission requirements, a delay-aware adaptive transmission (DAAT) scheduling scheme is proposed to guarantee the average end-to-end delivery delay by employing the Lyapunov optimization framework. Our analysis discloses that the average achievable rate region of the two-way wireless EH relay network can be improved when fully considering the potentials by deploying data buffer and energy storage at the relay. There exists an inherent tradeoff among the achievable sum rate, the delivery delay, and the power consumption. It is shown that, when a certain time delay is tolerable, the DAAT scheduling scheme is able to realize a rate region arbitrarily close to the achievable rate region of the buffer-aided two-way wireless EH relay network.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,709
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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207