Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1210.0100

帮助 | 高级搜索

计算机科学 > 信息论

arXiv:1210.0100 (cs)
[提交于 2012年9月29日 ]

标题: 关于平方和的η-μ随机变量及其在无线通信系统性能中的应用

标题: On the Sum of Squared η-μRandom Variates With Application to the Performance of Wireless Communication Systems

Authors:Imran Shafique Ansari, (Student Member, IEEE), Ferkan Yilmaz, (Member, IEEE), Mohamed-Slim Alouini, (Fellow, IEEE)
摘要: 概率密度函数 (PDF) 和累积分布函数,其函数形式为 L 个独立但不一定同分布的 \eta-\mu 平方变量之和,适用于工作在 \eta-\mu 衰落信道(包含 Hoyt 和 Nakagami-m 模型作为特例)上的最大比合并 (MRC) 接收机的输出统计量,并以 Fox H-bar 函数的形式闭合表示。 进一步的分析,特别是基于 PDF 方法的误码率分析,也以扩展的 Fox H-bar 函数 (H-hat) 的形式闭合表示。 所提出的新分析结果补充了先前的研究结果,并通过大量的数值和蒙特卡洛模拟结果进行了说明。
摘要: The probability density function (PDF) and cumulative distribution function of the sum of L independent but not necessarily identically distributed squared \eta-\mu variates, applicable to the output statistics of maximal ratio combining (MRC) receiver operating over \eta-\mu fading channels that includes the Hoyt and the Nakagami-m models as special cases, is presented in closed-form in terms of the Fox's H-bar function. Further analysis, particularly on the bit error rate via PDF-based approach, is also represented in closed form in terms of the extended Fox's H-bar function (H-hat). The proposed new analytical results complement previous results and are illustrated by extensive numerical and Monte Carlo simulation results.
评论: 6页,4个图。arXiv管理员备注:大量文本与arXiv:1202.2576重复。
主题: 信息论 (cs.IT) ; 概率 (math.PR); 统计理论 (math.ST)
引用方式: arXiv:1210.0100 [cs.IT]
  (或者 arXiv:1210.0100v1 [cs.IT] 对于此版本)
  https://doi.org/10.48550/arXiv.1210.0100
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Imran Ansari [查看电子邮件]
[v1] 星期六, 2012 年 9 月 29 日 12:40:01 UTC (47 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.IT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2012-10
切换浏览方式为:
cs
math
math.IT
math.PR
math.ST
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号