MétaCan
Menu
Retour à la cohorte
Enregistrement W2038604924 · doi:10.1109/icc.2010.5502764

Design of Multiuser Pre-Rake Systems for Reliable Ultra-Wideband Communications

2010· article· en· W2038604924 sur OpenAlexaff
Zahra Ahmadian, Michael Botros Shenouda, Lutz Lampe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUltra-Wideband Communications Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRakeComputer scienceRake receiverBase stationTransmission (telecommunications)Electronic engineeringInterference (communication)Multiuser detectionWidebandMinimum mean square errorCommunications systemComputer networkTelecommunicationsChannel (broadcasting)Code division multiple accessEngineeringFadingMathematics

Résumé

récupéré en direct d'OpenAlex

We consider the design of ultra-wideband (UWB) systems that provide high capacity communication for short-range wireless applications. The design configuration is a multiuser pre-rake UWB broadcast communication system in which the base station is equipped with multiple antennas to achieve high data rates while each user is equipped with a simple and cost-efficient single antenna receiver. We assume the use of multiuser pre-equalization filters at the base station to mitigate the effect of inter-symbol interference (ISI) and multiuser interference (MUI) at the receivers. For the optimization of these filters we develop an analytical framework that minimizes the total transmission power while satisfying (physical layer) users' quality of service for reliable communications. In particular, the quality of service constraints are expressed in terms of the mean square error (MSE) for each user. We show that the design problem is equivalent to a convex optimization problem that can be solved efficiently. The numerical studies confirm that the proposed design strategy for multiuser pre-equalization filters enables the reduction of the total transmission power to achieve a given set of requested MSE targets.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,537

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,249
Écart entre enseignants0,227 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUltra-Wideband Communications TechnologyTravaux en français237 207