MétaCan
Menu
Retour à la cohorte
Enregistrement W2066969414 · doi:10.1109/vtcfall.2014.6965956

Efficient RSSD-Based Source Positioning with System Parameter Uncertainties

2014· article· en· W2066969414 sur OpenAlexaff
Hannan Lohrasbipeydeh, T. Aaron Gulliver, Hamidreza Amindavar, Tom Dakin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEstimatorLeast-squares function approximationComputer scienceSIGNAL (programming language)AlgorithmMatrix (chemical analysis)Cramér–Rao boundEstimation theoryMathematicsMathematical optimizationControl theory (sociology)StatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Passive source location determination is a very active research area. In this paper, we present a received signal strength difference (RSSD) source localization method based on a total least square (TLS) estimator. Due to errors in the data vector and system matrix, the least squares (LS) and weighted least squares (WLS) methods are not applicable as they produce large bias in the location estimation. Therefore, an extension of the LS methods, called total least squares (TLS) is used to solve this problem. Due to the relationship between the data vector and system matrix, a modified TLS method is presented to achieve a closed form estimate. The advantage of this approach is that it does not require transmit power estimation as with other methods, and the complexity is low. The received signal strength difference is used to eliminate uncertainties due to the signal propagation parameters. Performance results are presented which show that the performance of the proposed method comes close to achieving the Cram'er-Rao lower bound.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil0,333

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 ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,164
Écart entre enseignants0,160 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207