Discrete-Time Analysis of Cognitive Radio Networks with Nonsaturated Source of Secondary Users
Notice bibliographique
Résumé
Sensing is a fundamental aspect in cognitive radio networks and one of the most complex issues. In the design of sensing strategies, a number of tradeoffs arise between throughput, interference to primary users, and energy consumption. This paper provides several Markovian models that enable the analysis and evaluation of sensing strategies under a broad range of conditions. The occupation of a channel by primary users is modeled as alternating idle and busy intervals, which are represented by a Markov phase renewal process. The behavior of secondary users is represented mainly through the duration of transmissions, sensing periods, and idle intervals between consecutive sensing periods. These durations are modeled by phase-type distributions, which endow the model with a high degree of generality. Unlike our previous work, here the source of secondary users is nonsaturated, which is a more practical assumption. The arrival of secondary users is modeled by the versatile Markovian arrival process , and models for both finite and infinite queues are built. Furthermore, the proposed models also incorporate a quite general representation of the resumption policy of an SU transmission after being interrupted by PUs activity. A comprehensive analysis of the proposed models is carried out to derive several key performance indicators in cognitive radio networks. Finally, some numerical results are presented to show that, despite the generality and versatility of the proposed models, their numerical evaluation is perfectly feasible.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».