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 > math > arXiv:2510.07142v1

帮助 | 高级搜索

数学 > 统计理论

arXiv:2510.07142v1 (math)
[提交于 2025年10月8日 ]

标题: 慢速、快速和机会主义FAMA:Nakagami-m衰落信道下的空间块相关性分析

标题: Slow, Fast and Opportunistic FAMA: A Spatial Block-Correlation Analysis under Nakagami-m Fading Channels

Authors:Paulo R. de Moura, Hugerles S. Silva, Ugo S. Dias, Higo T. P. Silva
摘要: 本文研究了在Nakagami-m衰落信道影响下,考虑新的和现实的空间块相关模型的慢速、快速和机会型流体天线多址接入(FAMA)。推导了基于信干比(SIR)的中断概率(OP)表达式,适用于慢速FAMA。有趣的是,我们提供了数学关系,使得可以从慢速FAMA得到快速FAMA的表达式。给出了机会型FAMA(OFAMA)网络在慢速和快速FAMA场景下的复用增益。我们的分析结果通过蒙特卡洛仿真进行了验证,在各种信道和系统参数下均有效。本文推导的所有表达式均为原创。
摘要: This paper studies slow, fast and opportunistic fluid antenna multiple access (FAMA) under the effect of Nakagami-m fading channels, considering the new and realistic spatial blockcorrelation model. Expressions for the outage probability (OP), based on the signal-to-interference ratio (SIR), are derived for slow FAMA. Interestingly, we provide mathematical relationships that allow the expressions of fast FAMA to be obtained from slow FAMA. Multiplexing gains for an opportunistic FAMA (OFAMA) network are presented for both slow and fast FAMA scenarios. Our analytical results are validated through Monte Carlo simulations, under various channel and system parameters. All expressions derived in this work are original.
主题: 统计理论 (math.ST)
引用方式: arXiv:2510.07142 [math.ST]
  (或者 arXiv:2510.07142v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.07142
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Hugerles Silva [查看电子邮件]
[v1] 星期三, 2025 年 10 月 8 日 15:43:02 UTC (372 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
math
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