MétaCan
Menu
Retour à la cohorte
Enregistrement W2088153718 · doi:10.1145/2398936.2398971

Choosing the right signal

2012· article· en· W2088153718 sur OpenAlexaff
Roee Diamant, Arie Feuer, Lutz Lampe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDoppler effectChirpBasebandBandwidth (computing)AcousticsComputer scienceUnderwater acoustic communicationSIGNAL (programming language)WidebandTelecommunicationsPhysicsUnderwaterOpticsGeology

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider the problem of estimating the coarse Doppler shift ratio for underwater acoustic communication (UWAC). Since underwater the constant motion of nodes results in Doppler shifts that significantly distort received signals, estimating the Doppler shift and compensating for it is required for all UWAC applications. Different than for terrestrial radio-frequency where the Doppler effect is modeled by a frequency shift, due to the slow sound speed in water, the effect of transceiver motion on the duration of the symbol cannot be neglected. Furthermore, since the carrier frequency and the signal bandwidth are of the same order, UWAC signals are considered wideband and Doppler-induced frequency shifts cannot be assumed fixed throughout the signal bandwidth. Considering these challenges, we present a method for Doppler-shift estimation based on comparing the arrival times of two chirp signals and approximating the relation between this time difference and the Doppler shift ratio. This analysis also provides an interesting insight about the resilience of chirp signals to Doppler shift. Our simulation results demonstrate improvement compared to commonly used benchmark methods in terms of accuracy of the Doppler shift estimation at near-Nyquist baseband sampling rates.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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 Opus0,014
Tête enseignante GPT0,203
Écart entre enseignants0,189 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207