MétaCan
Menu
Retour à la cohorte
Enregistrement W4229609468 · doi:10.1109/glocom.2015.7417620

Best-Relay Selection for Multi-Hop Vehicular Communication in Highways

2015· article· en· W4229609468 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2015 IEEE Global Communications Conference (GLOBECOM) · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFadingComputer scienceRelayPairwise error probabilityHop (telecommunications)Transmission (telecommunications)Computer networkUnderlayCorrectnessTelecommunicationsPower (physics)Signal-to-noise ratio (imaging)AlgorithmDecoding methods

Résumé

récupéré en direct d'OpenAlex

Multi-hop relaying is an efficient transmission technique that splits the communication link between the source and the destination into several, possibly shorter, hops for extended coverage, improved reliability, and less power consumption. Previous works on multi-hop communications use the assumption of frequency-flat and quasi-static fading, which can be justified only for narrowband systems in stationary or quasi-static channels. In this paper, we extend multi-hop relaying into vehicular communication in highways.We propose a precoded transmission over multi-hop vehicle-to-vehicle links with time- and frequency-selective fading in highways. We investigate the performance gains where traveling vehicles are allowed to relay signals via neighboring vehicles to the final destination. With the aid of the precoded transmission and best-relaying vehicular selection, we succeeded to extract the rich diversity gains that are inherited in these types of doubly selective fading channels, through time, frequency, and space dimensions. We developed a mathematical model and derived a tight upper-bound expression for the pairwise error probability for future studies and analysis. Computer simulations are used to verify the correctness and accuracy of the derived analytical error.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0070,002
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 Opus0,203
Tête enseignante GPT0,379
Écart entre enseignants0,176 · 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