MétaCan
Menu
Retour à la cohorte
Enregistrement W3014682316 · doi:10.1109/tgcn.2020.3035512

Analysis of Asymmetric Dual-Hop Energy Harvesting-Based Wireless Communication Systems in Mixed Fading Environments

2020· preprint· en· W3014682316 sur OpenAlexaff
Elmehdi Illi, Faissal El Bouanani, Paschalis C. Sofotasios, Sami Muhaidat, Daniel Benevides da Costa, Fouad Ayoub, Ala Al‐Fuqaha

Notice bibliographique

RevueIEEE Transactions on Green Communications and Networking · 2020
Typepreprint
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensCarleton University
Organismes subventionnairesKhalifa University of Science, Technology and Research
Mots-clésFadingRelayNakagami distributionHop (telecommunications)Computer scienceEnergy harvestingWirelessEnergy (signal processing)Node (physics)Topology (electrical circuits)Transmission (telecommunications)Monte Carlo methodBit error rateTelecommunicationsElectronic engineeringMathematicsPower (physics)Channel (broadcasting)StatisticsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

This work investigates the performance of a dual-hop energy harvesting-based fixed-gain amplify-and-forward relaying communication system, subject to fading impairments. We consider a source node ( S) communicating with a destination node ( D), either directly or through a fixed distant relay ( R), which harvests energy from its received signals and uses it to amplify and forward the received signals to D. We also consider maximal-ratio combining at D to combine the signals coming from S and R. Both power-splitting and time-switching energy harvesting protocols are investigated. The S - R link is modeled by Nakagami- m fading model, while the R - D and S - D links experience α- μ fading. Closed-form expressions for the statistical properties of the total signal-to-noise ratio are derived, based on which novel closed-form expressions are then derived for the average symbol error rate as well as for the average channel capacity, considering four different adaptive transmission policies. The derived expressions are validated through Monte Carlo simulations.

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 candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,033
Tête enseignante GPT0,236
Écart entre enseignants0,203 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Green Communications and NetworkingMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207