ARFrequency Domain Analysis of the IEEE 802.15.4a Standard Channel Models
Notice bibliographique
Résumé
The CM 1-8 UWB statistical channel impulse response (OR) models adopted by the IEEE 802.15.4a task group are widely used to fairly compare the performance of alternative UWB signaling schemes under representative line-of-sight and non-line-of-sight conditions in four different environments: residential, office, industrial, and outdoor. However, with the advent of MB-OFDM and related schemes, channel frequency response (CFR) models are becoming more pertinent than CIR models. Here, we analyze the CM 1-8 models using autoregressive frequency domain (AR-FD) modeling techniques with four aims. First, we use the Akaike information criterion (AIC) to determine the order of the AR-FD model most appropriate to each case. Second, we use the distribution of the poles in the equivalent AR-FD model to interpret both the physical significance and diversity of each of the CM models. Third, we determine the probability distribution that best describes the pole locations and other parameters of the AR-FD model so that we may specify a set of frequency domain alternatives to the IEEE 802.15.4a models which we refer to as CFR 1-8. Finally, we assess the suitability of the AR-FD approach in each of the eight cases by comparing the envelope distribution and RMS delay spread predicted by the AR-FD models to those of the original CIR data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».