MétaCan
Menu
Retour à la cohorte
Enregistrement W4402124756 · doi:10.1109/access.2024.3453391

Performance Analysis of CR-Enabled AmBC NOMA Under IQI and Sensitivity Constraints

2024· article· en· W4402124756 sur OpenAlexaff
Wenjing Zhao, Nanxi Li, Jing Guo, Jianchi Zhu, Yi Gu, Gongpu Wang, Chintha Tellambura

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesKey Research and Development Program of Hunan Province of China
Mots-clésSensitivity (control systems)NomaChromiumComputer scienceChemistryMaterials scienceTelecommunicationsElectronic engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Considering tag sensitivity and in-phase and quadrature-phase imbalance (IQI), this paper investigates the reliability and security of a cognitive radio (CR)-aided ambient backscatter communication (AmBC) non-orthogonal multiple access (NOMA) system. Herein, the source communicates with its NOMA users in the presence of an eavesdropper, and to bolster security, artificial noise (AN) injection is introduced. The effects of non-ideal successive interference cancellation (SIC) and AN removal on system performance are also examined. Subsequently, outage probabilities (OPs) and interception probabilities (IPs) of the tag and NOMA signals are derived, with asymptotic results for further insights. Finally, simulation results are provided to validate the theoretical analysis. It is observed that both reliability and security remain stable even as interference or maximum transmission power increases up to a certain threshold. Furthermore, the reliability under NOMA mechanism outperforms that of orthogonal multiple access. Notably, IQI can consistently enhance the confidentiality of NOMA but selectively strengthen backscatter transmission, albeit at the expense of reliability. This paper comprehensively underscores the potential for real-world implementation by incorporating sensitivity constraints, IQI, AN, and imperfect SIC into the system model.

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 enseignants0,142
Score d'incertitude au seuil0,384

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 ouverte0,0000,000
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 Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,260 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207