MétaCan
Menu
Retour à la cohorte
Enregistrement W2042391992 · doi:10.1109/wsa.2011.5741916

Calibration for single-carrier preFDE transceivers based on property mapping principles

2011· article· en· W2042391992 sur OpenAlexfundno aff
Mark Petermann, Dirk Wübben, Armin Dekorsy, K.-D. Kammeyer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesRyerson University
Mots-clésTelecommunications linkComputer scienceTransceiverMIMOBase stationDuplex (building)Channel (broadcasting)CalibrationEqualization (audio)Electronic engineeringFrequency domainTransmission (telecommunications)Space-division multiple accessSIGNAL (programming language)AlgorithmWirelessTelecommunicationsEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

In general, the unequal RF circuitry in the transmit and receive chains at the base station (BS) prevents the exploitation of the uplink (UL) channel estimate for proper pre-equalization in time division duplex (TDD) systems. To avoid additional transceiver hardware costs for matching networks, the idea of relative calibration was introduced to cope with the different effective channel impulse responses of UL and downlink (DL) by means of signal processing. However, multiple-input multiple-output (MIMO) transmission in frequency-selective channels does not allow for classical frequency-domain calibration principles based on total least squares (TLS) approaches. Consequently, more complex structured total least squares (STLS) problems must be solved. In this paper the application of the signal property mapping principle is introduced to iteratively solve the STLS calibration problem. Exemplified by simulation results for single-carrier frequency-domain pre-equalization (SC-preFDE) systems the algorithm indicates good and fast convergence behavior and effectively exploits noisy UL and DL channel measurements for system calibration.

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 enseignants0,616
Score d'incertitude au seuil0,265

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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,124
Tête enseignante GPT0,248
Écart entre enseignants0,124 · 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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207