Interference Excision in Spread Spectrum Communications Using Adaptive Positive Time-Frequency Analysis
Notice bibliographique
Résumé
This paper introduces a novel algorithm to excise single and multicomponent chirp-like interferences in direct sequence spread spectrum (DSSS) communications. The excision algorithm consists of two stages: adaptive signal decomposition stage and directional element detection stage based on the Hough-Radon transform (HRT). Initially, the received spread spectrum signal is decomposed into its time-frequency (TF) functions using an adaptive signal decomposition algorithm, and the resulting TF functions are mapped onto the TF plane. We then use a line detection algorithm based on the HRT that operates on the image of the TF plane and detects energy varying directional elements that satisfy a parametric constraint. Interference is modeled by reconstructing the corresponding TF functions detected by the HRT, and subtracted from the received signal. The proposed technique has two main advantages: (i) it localizes the interferences on the TF plane with no cross-terms, thus facilitating simple filtering techniques based on thresholding of the TF functions, and is an efficient way to excise the interference; (ii) it can be used for the detection of any directional interferences that can be parameterized. Simulation results with synthetic models have shown successful performance with linear and quadratic chirp interferences for single and multicomponent interference cases. The proposed method excises the interference even under very low SNR conditions of dB, and the technique could be easily extended to any interferences that could be represented by a parametric equation in the TF plane.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».