A ML-Based Framework for Joint TOA/AOA Estimation of UWB Pulses in Dense Multipath Environments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We present a joint estimator of the time of arrival (TOA) and angle of arrival (AOA) for impulse radio ultrawideband (UWB) systems in which an antenna array is employed at the receiver. The proposed method consists of two steps: 1) preliminary estimation of the TOA and the average power delay profile (APDP) using energy-based threshold crossing and log-domain least-squares fitting, respectively; and 2) joint TOA refinement and AOA estimation by local 2-D maximization of a log-likelihood function (LLF) that employs the preliminary estimates from the first step. The derivation of the LLF relies on an original formulation in which the superposition of images from secondary paths is modeled as a Gaussian random process, whose second-order statistical properties are characterized by a wideband space-time correlation function. In addition to the APDP, this function incorporates a special gating mechanism to represent the onset of the secondary paths, thereby leading to a novel form of the LLF. Closed-form expressions for the Cramer-Rao bound on the variance of the TOA and AOA estimators are also derived, which formally take into account pulse overlap through this gating mechanism. In simulation experiments based on multipath UWB channel models featuring both diffuse and directional image fields, our approach exhibits superior performance to that of a competing scheme from the recent literature.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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