MétaCan
Menu
Retour à la cohorte
Enregistrement W3099360436 · doi:10.1109/ojcoms.2020.3038197

SWIPT-Enabled Cooperative NOMA With <i>m</i>th Best Relay Selection

2020· article· en· W3099360436 sur OpenAlexaff
Suyue Li, Lina Bariah, Sami Muhaidat, Paschalis C. Sofotasios, Jie Liang, Anhong Wang

Notice bibliographique

RevueIEEE Open Journal of the Communications Society · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensSimon Fraser UniversityCarleton University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRelayNomaPairwise error probabilityComputer scienceWirelessSelection (genetic algorithm)Scheduling (production processes)Maximum power transfer theoremRelay channelDiversity gainBit error rateComputer networkPairwise comparisonChannel (broadcasting)Power (physics)TelecommunicationsMathematical optimizationMIMOMathematicsArtificial intelligenceTelecommunications link

Résumé

récupéré en direct d'OpenAlex

Non-orthogonal multiple access (NOMA) was recently regarded as a potential technique for next generation wireless networks. Recent works on relay selection for cooperative NOMA systems have mainly addressed the best relay selection to forward its received signals to terminal nodes. Nonetheless, in practical scenarios, the best relay may be unavailable due to non-ideal conditions such as scheduling and overload constraints or possibly due to channel feedback delay. Therefore, there is compelling need to consider a more practical solution, in which the best available relay is selected. In this article, we examine the error rate performance for simultaneous wireless information and power transfer (SWIPT)-enabled NOMA, while considering the selection of the m th best available relay. In particular, we present an exact pairwise error probability (PEP) expression to obtain a bit error rate (BER) upper bound. The asymptotic PEP is investigated to evaluate the achievable diversity order for NOMA users. Finally, simulation results are provided to verify the accuracy of the derived PEP expressions and to give more insights into the system performance.

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: aucune
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0050,001
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,275
Écart entre enseignants0,228 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of the Communications SocietyMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207