MétaCan
Menu
Retour à la cohorte
Enregistrement W4323338389 · doi:10.1109/access.2023.3253680

SNR Threshold-Based Relay Association and Random Phase Rotation for Cooperative Communication

2023· article· en· W4323338389 sur OpenAlexaff
Jingon Joung, Soobum Park, Ji-Myung Oh, Eui–Rim Jeong

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensNexen (Canada)
Organismes subventionnairesInstitute for Information and Communications Technology PromotionDefense Acquisition Program AdministrationMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaMinistry of Science, ICT and Future PlanningNational Research Foundation
Mots-clésRelayBit error rateComputer scienceNode (physics)Signal-to-noise ratio (imaging)Channel (broadcasting)Frame (networking)Communications systemModulation (music)Code (set theory)Phase (matter)Rotation (mathematics)Electronic engineeringTopology (electrical circuits)Computer networkTelecommunicationsElectrical engineeringEngineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

In this study, a cooperative communication system that employs multiple decode-and-forward relay nodes (RNs), in which the associated/active RNs perform phase rotation of the regenerated signals before retransmitting them to a destination node (DN), is examined. In the first phase, i.e., communication from a source node to RNs, a received signal-to-noise ratio (SNR) threshold-based RN association method is proposed. The optimal SNR thresholds are designed to maximize the bit-error-rate (BER) performance at the DN under various communication environments, such as modulation types and channel code rates. Furthermore, the number of phase rotations (PRs) in a frame is examined. Intensive numerical results show that more PRs in a frame provide better BER performance at the DN, irrespective of the communication environments. This study provides a valuable guideline for designing practical cooperative networks with multiple decode-and-forward RNs with PRs.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,517

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,078
Tête enseignante GPT0,379
Écart entre enseignants0,301 · 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 tête enseignante, 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetCooperative Communication and Network CodingTravaux en français237 207