MétaCan
Menu
Retour à la cohorte
Enregistrement W2079475265 · doi:10.1109/vetecs.2012.6240336

Stochastic NDA CRLB for DOA Estimation over SIMO Systems

2012· article· en· W2079475265 sur OpenAlexaff
Faouzi Bellili, Achref Methenni, Sofiène Affes, Alex Stéphenne

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésCramér–Rao boundDistortion (music)Additive white Gaussian noiseAlgorithmDirection of arrivalConstant (computer programming)Channel (broadcasting)GaussianMathematicsCircular bufferGaussian noiseSignal-to-noise ratio (imaging)Computer scienceUpper and lower boundsComplex normal distributionEstimation theoryTelecommunicationsPhysicsMathematical analysisBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

This paper derives for the first time the stochastic Cramer-Rao lower bounds (CRLBs) for direction of arrival (DOA) estimates of any linearly-modulated signals, in presence of additive white circular complex Gaussian noise (AWCCGN). The transmitted symbols are assumed to be completely unknown at the receiver side. The channel is slowly time-varying and assumed to introduce a constant distortion phase during the observation interval. Simulation results show that the CRLBs hold almost the same for all the modulation schemes. We also show that, contrarily to uniform lineair array (ULA) systems, the knowledge of the channel distortion phase does not bring any additional information to the achievable performance in uniform circular array (UCA) systems.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,337

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 Opus0,022
Tête enseignante GPT0,301
Écart entre enseignants0,279 · 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
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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207