MétaCan
Menu
Retour à la cohorte
Enregistrement W2011773309 · doi:10.1117/12.603378

<title>Rake receiver performance in the presence of narrowband jamming</title>

2005· article· en· W2011773309 sur OpenAlexafffund
Julian Meng, Xin Ding

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRake receiverMultipath propagationNarrowbandDirect-sequence spread spectrumComputer scienceFadingJammingSpread spectrumBit error rateRakeElectronic engineeringDelay spreadFrequency-hopping spread spectrumTelecommunicationsCode division multiple accessEngineeringChannel (broadcasting)Physics

Résumé

récupéré en direct d'OpenAlex

Direct-sequence spread spectrum (DSSS) modulation offers many properties that make it well suited for a mobile environment including some inherent narrowband interference or jamming (NBJ) suppression capability and resistance to multipath fading. The estimation and filtering of unwanted narrowband signals in DSSS systems has been extensively addressed in previous work but has given limited insight to system performance when multipath fading is introduced and a diversity solution such as the ubiquitous Rake receiver is implemented. In this case, multiple correlators (or fingers) are used to extract the desired signal replicas from the individual delay path components. For the maximum ratio combiner (MRC) version of the Rake receiver, the signal replicas from each finger are then combined in some weighted sense to formulate the final decision threshold. The focus of this study is twofold: to investigate the inaccuracies incurred on path delay estimation due to the presence of NBJ and its impact on the system Bit Error Rate (BER). In order to reduce the impact of NBJ, some adaptive NBJ suppression filters are suggested.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
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 Opus0,015
Tête enseignante GPT0,243
Écart entre enseignants0,228 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetWireless Communication Networks ResearchTravaux en français237 207