Detection of linear chirp and non-linear chirp interferences in a spread spectrum signal by using Hough-Radon transform
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
The time-frequency distribution (TFD) of a spread spectrum signal looks more like a noise, and the energy distribution occupies the full two-dimensional time-frequency (TF) plane. Any jammer or interference will be well localized in the TF plane. By treating the TF plane as an image, the interference patterns can be detected by using the image analysis technique of Hough-Radon transform (HRT). Curves with mathematical equations can be easily detected by transforming the shapes into Hough domain, and searching for dominant peaks (maximum values). The co-ordinates of the dominant peaks provide the parameters of the shape. For example, in case of a straight line, the Hough domain would be the “rho, theta” space, where “rho and theta” are the parameters of a straight line. The maximum value in the rho, theta plane would correspond to the exact parmeters of the straight line. If a high resolution TFD for a spread spectrum signal is achieved, then any linear chirp or non-linear chirp interference will show up as straight lines and curves in the TF plane. By applying the HRT on the TF plane, chirp interferences can be identified. Evaluation of the proposed techniques show successful detection of both linear and hyperbolic (nonlinear) chirp interferences in spread spectrum signals even under very low SNR conditions of 0 dB. The method detects any localized interference as along as the interference pattern in the TF plane can be represented by a
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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