MétaCan
Menu
Retour à la cohorte
Enregistrement W3037616208 · doi:10.1109/twc.2020.3003615

Multi-Antenna Two-Way Relay Based Cooperative NOMA

2020· article· en· W3037616208 sur OpenAlexafffund
Lu Lv, Zhiguo Ding, Zan Li, Naofal Al‐Dhahir, Jian Chen

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensDalhousie University
Organismes subventionnairesChina Postdoctoral Science FoundationNatural Sciences and Engineering Research Council of CanadaSoutheast UniversityNational Natural Science Foundation of China
Mots-clésComputer scienceNomaRelayTransmission (telecommunications)Antenna (radio)Cooperative diversityBenchmark (surveying)Diversity gainReliability (semiconductor)Selection (genetic algorithm)Antenna diversityComputer networkWirelessTelecommunicationsPower (physics)MIMOWireless networkBeamformingTelecommunications linkArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate a non-orthogonal multiple access (NOMA) assisted multi-antenna two-way relay system, where multi-antenna users apply NOMA to support bidirectional superposition transmission via multiple multi-antenna relays. Specifically, we propose two cooperative strategies, namely multiple-access broadcast NOMA and time division broadcast NOMA. For each of the two cooperative strategies, we devise a joint antenna-and-relay selection scheme to enhance the transmission reliability. Analytical expressions for the outage probability and diversity order are derived to evaluate the system performance achieved by the proposed cooperative strategies with the corresponding joint antenna-and-relay selection schemes. To further reduce the outage probability, we use the derived analytical results as objective functions to optimize the transmit power allocation under both cooperative strategies. Finally, extensive simulations are carried out to validate the accuracy of the derived analytical results. Our simulation results indicate that the proposed strategies significantly outperform existing benchmark strategies in terms of outage probability and diversity order.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,277
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations40
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207