MétaCan
Menu
Retour à la cohorte
Enregistrement W4313306425 · doi:10.1109/lcomm.2022.3233524

Outage Probability Analysis of LR-FHSS in Satellite IoT Networks

2022· article· en· W4313306425 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Communications Letters · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT Networks and Protocols
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSpread spectrumFrequency-hopping spread spectrumChirp spread spectrumComputer scienceAlohaLPWANComputer networkFadingCommunications satelliteNakagami distributionRange (aeronautics)Channel (broadcasting)TelecommunicationsWirelessSatelliteThroughputDirect-sequence spread spectrumEngineering

Résumé

récupéré en direct d'OpenAlex

Long-range frequency-hopping spread spectrum (LR-FHSS) is a promising solution for long-range and dense deployment of Internet of Things (IoT) networks since it can provide a significant capacity improvement compared to the conventional Aloha-based chirp spread spectrum (CSS). In this letter, we present an analytical approach for deriving the outage probability of LR-FHSS in a satellite-based IoT network taking into account the noise, channel fading impairments, and more importantly, the capture effect. The obtained analytical expressions are validated with computer simulations and show that for a typical target outage probability of 10−2, exploiting LR-FHSS in the considered system model can serve up to 60, 000 and 120, 000 end devices per hour for 48 bytes of information using two specified data rates in the North America region. These numbers present significant capacity increases over the conventional low-power long-range (LoRa) network.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,047
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,258
Écart entre enseignants0,229 · 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