MétaCan
Menu
Retour à la cohorte
Enregistrement W4286518186 · doi:10.18280/ria.360303

Performance Analysis of HSTC Network with Non-Static Terrestrial Nodes in a Fading Environment

2022· article· en· W4286518186 sur OpenAlexvenueno aff
Manish Kumar Mishra, Ritesh Kumar Mishra

Notice bibliographique

RevueRevue d intelligence artificielle · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRician fadingFadingRelayComputer scienceNode (physics)Communications satelliteNakagami distributionSatelliteTransmission (telecommunications)Bit error rateElevation (ballistics)Real-time computingComputer networkTelecommunicationsDecoding methodsEngineeringPower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

In this paper, Hybrid satellite-terrestrial systems (HSTC) are preferred in dynamic type environments with high mobility of nodes due to the performance enhancement features in multiple relay-based selective decode-and-forward (DF) approach. Because of the satellite link, aerial satellite to destination and satellite to relay links, are not the same due to time-selective shadowed Rician fading. Time-selective Rician fading depends on parameters like the angle of elevation of the satellite, the terrestrial relay node, and the node destination links, considered to be distinctively time-selective Nakagami faded. Here, per-frame average symbol error rate (SER) and outage probability are derived in a closed-form expression with consideration of M-ary PSK modulated symbols transmission. After evaluation, it was detected that the system performance is significantly degraded due to the time-varying nature of the links (dynamic environment). After various simulations and calculations, it was established that the error rate of the HSTC is significantly low by increasing the elevation angle of the satellite on the relay point. The performance enhancement can be observed by enhancing the satellite angle at the destination node of user equipment.

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)0,003
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: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,032
Tête enseignante GPT0,234
Écart entre enseignants0,202 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue d intelligence artificielleMême sujetSatellite Communication SystemsTravaux en français237 207