MétaCan
Menu
Retour à la cohorte
Enregistrement W2087364536 · doi:10.1109/lsp.2014.2362932

Constant Modulus Blind Adaptive Beamforming Based on Unscented Kalman Filtering

2014· article· en· W2087364536 sur OpenAlexaff
Md. Zulfiquar Ali Bhotto, Ivan V. Bajić

Notice bibliographique

RevueIEEE Signal Processing Letters · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlind Source Separation Techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésKalman filterConstant (computer programming)AlgorithmBeamformingControl theory (sociology)Noise (video)Extended Kalman filterAdaptive filterCovariance matrixCovarianceMathematicsComputer scienceArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

An unscented Kalman filter-based constant modulus adaptation algorithm (UKF-CMA) is proposed for blind uniform linear beamforming. The proposed algorithm is obtained by first developing a model of the constant modulus (CM) criterion and then fitting that model into the Kalman filter-style state space model by using an auxiliary parameter. The proposed algorithm does not require a priori information about the process noise and measurement noise covariance matrices and hence it can be applied readily. Simulation results demonstrate that the proposed algorithm offers improved performance compared to the recursive least square-based CM (RLS-CMA) and least-mean square-based CM (LMS-CMA) algorithms for adaptive blind beamforming.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,250
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations46
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Signal Processing LettersMême sujetBlind Source Separation TechniquesTravaux en français237 207