MétaCan
Menu
Retour à la cohorte
Enregistrement W2034728973 · doi:10.1109/icecs.2012.6463737

A novel implementation of sequential output based parallel processing - orthogonal wavelet division multiplexing for DAS on SDR platform

2012· article· en· W2034728973 sur OpenAlexaff
Chinmaya Mahapatra, A.P. Ramakrishnan, T. Stouraitis, Victor C. M. Leung

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOrthogonal frequency-division multiplexingComputer scienceTime-division multiplexingMultiplexingElectronic engineeringSpectral efficiencyEnhanced Data Rates for GSM EvolutionWirelessChannel (broadcasting)Computer hardwareComputer networkEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

The distributed antenna system (DAS) concept promises to enhance the capacity and diversity of next-generation wireless communication networks, due to the inherently added micro and macro diversity. Today, DAS is widely employed in cutting edge cellular communication to cover dead spots. The complexity of Orthogonal Frequency Division Multiplexing (OFDM) makes it challenging to build efficient and cost effective DAS systems. Orthogonal Wavelet Division Multiplexing (OWDM) is a system that has been proposed as an alternative to OFDM. In this paper we present a novel Sequential Output based Parallel Processing (SBPP) architecture for DAS using OWDM scheme. The experimental evaluation was done on a virtual test bed that includes one central processor with multiple antenna nodes and multiple mobile stations. The novel architecture shows a new approach that could provide a more flexible replacement for OFDM with reduced Peak to Average Power Ratio (PAPR) and Inter-Carrier Interference (ICI), while still maintaining the same channel capacity characteristics as OFDM. The architecture also demonstrates an efficient resource optimization technique based on LTE-driven data rate requirements for multimedia applications.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,068
Tête enseignante GPT0,343
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPAPR reduction in OFDMTravaux en français237 207