MétaCan
Menu
Retour à la cohorte
Enregistrement W4280610782 · doi:10.1109/wcnc51071.2022.9771933

Age of Information-Limited Capacity of Uncoordinated Massive Access Using Massive MIMO

2022· article· en· W4280610782 sur OpenAlexafffund
Bamelak Tadele, Volodymyr Shyianov, Faouzi Bellili, Amine Mezghani, Ekram Hossain

Notice bibliographique

Revue2022 IEEE Wireless Communications and Networking Conference (WCNC) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueAge of Information Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTelecommunications linkNetwork packetBase stationLimitingRandom accessUpper and lower boundsChannel state informationComputer networkComputer scienceMIMOTransmission (telecommunications)Performance metricTopology (electrical circuits)Metric (unit)Limit (mathematics)Stochastic geometryChannel (broadcasting)MathematicsWirelessTelecommunicationsStatisticsCombinatoricsEngineeringMathematical analysis

Résumé

récupéré en direct d'OpenAlex

We derive an achievability bound in an uplink setting where N single-antenna devices, of which a random subset of Kausers are active in each transmission period, attempt to update a base-station (BS), equipped with M antennas, with their status packets. Motivated by emerging applications of massive connectivity we consider the asymptotic scenario where both the total number of users and the number of antennas at the BS grow large at a fixed ratio $\zeta = \frac{M}{N}$. Under maximal-ratio combining and perfect channel state information at the receiver, we find that the achievable rate approaches ${\log _2}\left( {1 + \frac{M}{{{K_a}}}} \right)$ in the large system limit. We explore the trade-offs between this achievable rate and the freshness of the status packets using the age of information (AoI) metric. In the limiting regime, we find that the penalty one pays for increasing the data rate is a rise in the minimum AoI obtainable. Finally, we compare recent massive unsourced random access (URA) schemes against the newly established bound.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
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 seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,064
Tête enseignante GPT0,278
Écart entre enseignants0,215 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2022 IEEE Wireless Communications and Networking Conference (WCNC)Même sujetAge of Information OptimizationTravaux en français237 207