MétaCan
Menu
Retour à la cohorte
Enregistrement W4367031761 · doi:10.1109/lwc.2023.3270122

On the Performance of MRC Receivers in UAV-to-Ground Channels With Shadowing

2023· article· en· W4367031761 sur OpenAlexaff
Remon Polus, Claude D’Amours

Notice bibliographique

RevueIEEE Wireless Communications Letters · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFadingMaximal-ratio combiningComputer scienceChannel (broadcasting)Shadow mappingMonte Carlo methodMoment-generating functionErgodic theoryMoment (physics)Topology (electrical circuits)Bit error rateAlgorithmProbability density functionElectronic engineeringTelecommunicationsMathematicsStatisticsPhysicsElectrical engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Unmanned aerial vehicles (UAVs) are expected to become a major component of the beyond fifth-generation (5G) cellular networks in order to provide ubiquitous connectivity. Recently, new statistical fading channel models for UAV-to-ground communications have been introduced to represent shadowing effects in the channel. In this letter, we derive the average bit error rate (ABER), ergodic capacity, and outage probability of a receiver using maximal ratio combining (MRC) operating in independent UAV-to-ground channels based on the moment generating function (MGF). Moreover, the effects of the UAV-to-ground fading model parameters on the system performance have been illustrated via numerical results. By using Monte Carlo simulations, we finally verify all the theoretical expressions.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,219
Écart entre enseignants0,200 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless Communications LettersMême sujetUAV Applications and OptimizationTravaux en français237 207