MétaCan
Menu
Retour à la cohorte
Enregistrement W4320713259 · doi:10.1109/tcomm.2023.3244960

Optimal Power Allocation for Multiuser Photon-Counting Underwater Optical Wireless Communications Under Poisson Shot Noise

2023· article· en· W4320713259 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

RevueIEEE Transactions on Communications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesScience and Technology Innovation Plan Of Shanghai Science and Technology CommissionNational Natural Science Foundation of China
Mots-clésShot noiseConvexityPoisson distributionPhoton countingMathematical optimizationWirelessComputer scienceOptical wirelessPower (physics)Signal-to-noise ratio (imaging)PhotonMathematicsTelecommunicationsPhysicsStatisticsOptics

Résumé

récupéré en direct d'OpenAlex

Photon counting is an effective technique to detect low-power optical signals in underwater optical wireless communications (UOWC), but undergoes signal-dependent Poisson shot noises that lead to intractable data rate expressions and hinder effective power allocation of photon-counting systems. This paper presents a new approach to the optimal power allocation of a multiuser photon-counting UOWC system, where we first derive the asymptotic achievable rate as the background radiation is large under the signal-dependent Poisson shot noises. With the tractability of the asymptotic achievable rate, we formulate a new power allocation problem to maximize the weighted sum-rate of the multiuser photon-counting UOWC system. A new algorithm is developed to decompose the problem into subproblems with deterministic convexity or concavity and accordingly convexified and solved using successive convex approximation. We also propose to pre-select the subproblems, thereby reducing the complexity significantly with negligible loss of the weighted sum-rate. Simulations validate our asymptotic achievable rate, and show that the proposed algorithms can improve the weighted sum-rates of the UOWC systems by orders of magnitude, compared to the existing approaches.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,866
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,054
Tête enseignante GPT0,298
Écart entre enseignants0,244 · 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