MétaCan
Menu
Retour à la cohorte
Enregistrement W4225592994 · doi:10.1109/tvt.2022.3163312

Outage Analysis of Multi-Relay NOMA-Based Hybrid Satellite-Terrestrial Relay Networks

2022· article· en· W4225592994 sur OpenAlexafffund
Lve Han, Wei‐Ping Zhu, Min Lin

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRelaySelection (genetic algorithm)Computer scienceSatelliteNotationCommunications satelliteComputer networkTopology (electrical circuits)Theoretical computer scienceMathematicsEngineeringArtificial intelligenceElectrical engineeringPower (physics)Arithmetic

Résumé

récupéré en direct d'OpenAlex

This article investigates the outage performance of a novel two-user multi-relay non-orthogonal multiple access (NOMA)-based hybrid satellite-terrestrial relay network (HSTRN), in which one user has a direct link to the satellite (termed as the direct-link user), while the other user (termed as the relay-aided user) seeks the help of the direct-link user or the$K$dedicated decode-and-forward (DF) relays to acquire its desired signal. A relaying protocol and a three-stage relay selection strategy are proposed for minimizing the whole system outage probability (WSOP) and providing full diversity order (DO) for both users. Exact and asymptotic outage probabilities of the considered network are derived, showing that under the proposed relay selection strategy, the relay-aided user, the direct-link user and the whole system each can achieve a DO of$K + 1$. Finally, numerical results are presented to verify the theoretical analyses, manifest the impacts of key parameters on the system performance, and demonstrate the advantages of our proposed relay selection scheme over other benchmarks.

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)0,004
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 enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
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 Opus0,018
Tête enseignante GPT0,235
Écart entre enseignants0,217 · 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

Citations19
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetSatellite Communication SystemsTravaux en français237 207