MétaCan
Menu
Retour à la cohorte
Enregistrement W2915901518 · doi:10.1049/iet-com.2018.5203

Evaluation of outage probability for uniformly distributed users based on signal‐to‐interference‐plus‐noise ratio

2019· article· en· W2915901518 sur OpenAlexaff
Sami Baroudi, Yousef R. Shayan

Notice bibliographique

RevueIET Communications · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensConcordia UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSignal-to-interference-plus-noise ratioComputer scienceInterference (communication)Wireless networkWirelessSignal-to-noise ratio (imaging)Probability density functionStochastic geometryBase stationSignal-to-interference ratioNoise (video)Coverage probabilityStochastic geometry models of wireless networksTelecommunicationsComputer networkStatisticsRadio resource managementMathematicsPower (physics)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Improving the performance of wireless networks to maintain good quality of service for all users is always an ultimate goal. To reach this goal, the performance should be evaluated accurately and then analysed. Geometric modelling of wireless networks is drawing significant attention with regard to analytically evaluating the performance. In this study, stochastic modelling of users is used to emulate their distribution in wireless networks, which is analysed when only one direct link is connecting the base station to each user over the cell. Hence, the final findings will be more universal and applicable for different types of mobile cellular networks. Probability density function (PDF) of signal‐to‐interference ratio, and signal‐to‐noise ratio are evaluated, and used to find the PDF of signal‐to‐interference‐plus‐noise ratio (SINR) in a uniform filed of interference. Then, the outage probability based on SINR is evaluated, since it is one of the important factors in studying the performance of wireless networks. Finally, simulations are performed in order to validate the analytical results.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,058
Tête enseignante GPT0,306
Écart entre enseignants0,249 · 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.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207