The utilization of extremely high frequency (EHF) bands can achieve very high throughput in satellite networks (SatNets). Nevertheless, the severe rain attenuation at EHF bands imposes strict limitations on the system availability. Smart gateway diversity (SGD) is considered indispensable in order to guarantee the required availability with reasonable cost. In this context, we examine a load-sharing SGD (LS-SGD) architecture, which has been recently proposed in the literature. For this diversity scheme, we define the system outage probability (SOP) using a rigorous probabilistic analysis based on the Poisson binomial distribution (PBD), and taking into consideration the traffic demand as well as the gateway (GW) capacity. Furthermore, we provide several methods for the exact and approximate calculation of SOP. As concerns the exact computation of SOP, a closed-form expression and an efficient algorithm based on a recursive formula are given, both with quadratic worst-case complexity in the number of GWs. Finally, the proposed approximation methods include well-known probability distributions (binomial, Poisson, normal) and a Chernoff bound. According to the numerical results, binomial and Poisson distributions are by far the most accurate approximation methods.


翻译:利用极高频(EHF)波段可在卫星网络(SatNets)中达到极高的输送量。然而,在EHF波段的暴雨降降对系统的可用性施加严格的限制。智能网关多样性(SGD)被认为是以合理成本保证所需供应量所不可或缺的。在这方面,我们研究了文献最近提出的负担共享SGD(LS-SGD)结构。对于这一多样性计划,我们利用基于Poisson binomial分布(PBDD)的严格概率分析,并考虑到交通需求和网关能力,界定了系统溢出概率(SOP)。此外,我们为SOP的精确和近似计算提供了几种方法。关于SOP的精确计算、封闭式表达和基于递归公式的有效算,两者均具有四分式最复杂的GWs数量。最后,拟议的近似方法包括众所周知的概率分布(binomial、Poisson、正常)和最精确的Cherniomiso分配方法。从远处得出了数字结果。

0
下载
关闭预览

相关内容

专知会员服务
53+阅读 · 2020年9月7日
专知会员服务
62+阅读 · 2020年3月4日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
5+阅读 · 2018年10月4日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
5+阅读 · 2017年12月14日
VIP会员
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员