MétaCan
Menu
Retour à la cohorte
Enregistrement W2962888369

Lossy Joint Source-Channel Coding for Energy Harvesting Communication Systems

2014· article· en· W2962888369 sur OpenAlexafffund
Meysam Shahrbaf Motlagh

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLossy compressionEnergy harvestingJoint (building)Electronic engineeringComputer scienceChannel codeCommunications systemCoding (social sciences)Energy (signal processing)TelecommunicationsDecoding methodsEngineeringMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this work, we study the problem of lossy joint source-channel coding in an energy harvesting single-user communication system
\nwith causal energy arrivals, where the energy storage unit may have leakage. In particular, we investigate the achievable distortion in the transmission of a single source with arbitrary
\nalphabets via an energy harvesting transmitter over a point-to-point channel. 
\n
\nWe first establish a lower bound on the achievable distortion. Then, to minimize the distortion we consider an adaptive joint source-channel coding scheme, where the length of channel codewords 
\nvaries adaptively based on the available battery charge in each communication block. For this scheme, we obtain two coupled equations that determine the mismatch ratio between channel symbols and input symbols as well as the transmission power, both as functions
\nof battery charge. 
\n
\nAs examples of continuous and discrete sources, we consider Gaussian and binary sources. In particular, for the Gaussian case, we obtain a closed form expression for the mismatch factor in terms of the $Lambert W$ function, and show that an increasing transmission power results in a decreasing mismatch factor and vice versa. We also numerically show that when the mismatch factor adaptively changes based on the available charge in the battery, the communication system achieves a smaller distortion compared to that of a constant mismatch factor.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,356
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,014
Tête enseignante GPT0,166
Écart entre enseignants0,153 · 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
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

Citations8
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207