MétaCan
Menu
Retour à la cohorte
Enregistrement W1971196735 · doi:10.5383/juspn.03.01.005

An Efficient Channel Estimator for Frequency Hopping System via Propagator Method

2011· article· en· W1971196735 sur OpenAlexvenueno aff
M. M. Qasaymeh, Nizar Tayem, Ahmed Musa

Notice bibliographique

RevueJournal of Ubiquitous Systems and Pervasive Networks · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEstimatorPropagatorChannel (broadcasting)Frequency-hopping spread spectrumStatistical physicsComputer scienceMathematicsPhysicsStatisticsTelecommunicationsMathematical physics

Résumé

récupéré en direct d'OpenAlex

In this paper, the multi-path time delay estimation problem for a Slow Frequency Hopping (SFH) system using the Propagator Method (PM) is considered. Two novel techniques are proposed. The first technique is developed by applying the Propagator Method (PM) in association with the well-known MUSIC algorithm. Based on the proposed technique a highly efficient estimator has been achieved. The second technique is a simple closed-form expression which is obtained by applying PM and Eigen Value Decomposition (EVD) of the projection matrix. The proposed techniques generate estimates of the unknown parameters. Such estimates are based on the observation and/or covariance matrices. Moreover, the PM itself does not require the EVD or Singular Value Decomposition (SVD) of the Cross-Spectral Matrix (CSM) of received signals. As a result, a significant improvement in computational load is achieved. Computer simulations are also included to demonstrate the effectiveness of the proposed methods.

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)0,002
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,727

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,249 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ubiquitous Systems and Pervasive NetworksMême sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207