MétaCan
Menu
Retour à la cohorte
Enregistrement W3162898559 · doi:10.1002/ett.4294

On the ergodic sum rate for multisource multidestination unmanned aerial vehicle relaying

2021· article· en· W3162898559 sur OpenAlexaff
Zhenlei Dan, Min Lin, Xiaoyu Liu, Jian Ouyang, Wei‐Ping Zhu

Notice bibliographique

RevueTransactions on Emerging Telecommunications Technologies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésErgodic theoryRayleigh fadingTelecommunications linkComputer scienceRelaySCSIExpression (computer science)BeamformingTransmission (telecommunications)InitializationSignal-to-noise ratio (imaging)ErgodicityInterference (communication)Channel state informationFadingChannel (broadcasting)Real-time computingWirelessComputer networkMathematicsTelecommunicationsStatisticsComputer hardwarePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Unmanned aerial vehicle (UAV) relay system has received significant attention in future wireless communications. In this article, the ergodic sum rate of a multisource multidestination UAV relaying is investigated. Here, an UAV with multiple antennas is deployed as an aerial relay using threshold‐based decode‐and‐forward protocol to assist signal transmission from multiple sources to their intended destinations simultaneously. By considering the effect of path loss, we first obtain the output signal‐to‐interference‐plus‐noise ratio expression for the considered system. Then, we propose a statistical channel state information based beamforming (SCSI‐BF) scheme to maximize the system ergodic sum rate, where both of the uplink and downlink channels are subject to correlated Rayleigh fading. Furthermore, we derive the analytical expression for the ergodic sum rate of the considered system with the SCSI‐BF scheme. Finally, numerical results are given to demonstrate the superiority of the SCSI‐BF scheme and the validity of the theoretical analysis, and show the impact of various parameters on 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 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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions on Emerging Telecommunications TechnologiesMême sujetUAV Applications and OptimizationTravaux en français237 207