MétaCan
Menu
Retour à la cohorte
Enregistrement W4317553693 · doi:10.1109/tcomm.2023.3238368

Analysis of Massive Ultra-Reliable and Low-Latency Communications Over the <i>κ</i>-<i>μ</i> Shadowed Fading Channel

2023· article· en· W4317553693 sur OpenAlexaff
Jie Zeng, Teng Wu, Wei Feng, Wei Ni, Tiejun Lv, Shidong Zhou, Xianbin Wang, Y. Jay Guo

Notice bibliographique

RevueIEEE Transactions on Communications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensWestern University
Organismes subventionnairesBeijing Institute of Technology Research Fund Program for Young ScholarsNatural Science Foundation of Beijing MunicipalityNational Natural Science Foundation of China
Mots-clésFadingChannel state informationChannel (broadcasting)Probability density functionAlgorithmMathematicsMIMOComputer scienceStatisticsDecoding methodsWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

We investigate the performance of massive ultra-reliable and low-latency communications (mURLLC) under massive active users, and non-uniform small-scale and shadow fading in the uplink (UL) of a next-generation multiple access (NGMA) system that integrates massive multiple-input multiple-output (MIMO) and non-orthogonal multiple access (NOMA) techniques. We first derive new closed-form expressions to accurately approximate the probability density function (PDF) and cumulative distribution function (CDF) of the channel gains in MIMO systems under the$\kappa $-$\mu $shadowed fading. Then, we derive the post-processing signal-to-noise ratio (SNR) and its closed-form PDFs and CDFs in the NGMA system, under both perfect and imperfect channel state information of the$\kappa $-$\mu $shadowed fading channel. Given the post-processing SNRs and their PDFs, the general expressions are established for the error probability (EP) to analyze the mURLLC of NGMA by applying finite blocklength information theory. Corroborated by extensive simulations, our analysis reveals that with the increasing reliability requirements of the users, the relative gaps in EPs enlarge between users experiencing different fading channels, and the feasible system configurations (i.e., the transmit powers of the users, and the numbers of antennas, active users, and subcarriers) also increasingly differ between the users. The impact of different fading on mURLLC implementations cannot be overlooked, and the research of mURLLC under the$\kappa $-$\mu $shadowed fading model is indispensable. The NGMA system considered in this paper is capable of achieving mURLLC under non-uniform small-scale and shadow fading.

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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,027
Tête enseignante GPT0,268
Écart entre enseignants0,241 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207