MétaCan
Menu
Retour à la cohorte
Enregistrement W2121369649 · doi:10.1186/1687-1499-2011-175

Uncertainty area-based interference mitigation for cognitive radio

2011· article· en· W2121369649 sur OpenAlexaff
Mathieu Boutin, Charles Despins, Tayeb A. Denidni

Notice bibliographique

RevueEURASIP Journal on Wireless Communications and Networking · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensInstitut National de la Recherche ScientifiquePrompt (Canada)Université du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCognitive radioMobile ad hoc networkUnderlayInterference (communication)Computer networkWireless networkCognitive networkWirelessWireless ad hoc networkTelecommunicationsDistributed computingSignal-to-noise ratio (imaging)Channel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

A new interference mitigation approach is presented for a Mobile Ad Hoc NETwork (MANET), acting as a secondary wireless network, which takes advantage of smart antennas and cognitive radio capabilities when arbitrarily deployed in the same area as a primary wireless network while both sharing the same spectrum. The MANET has to cope with the very coarse probabilistic estimate of the primary network antenna location, resulting from the absence of communication between both networks. Prior to MANET deployment, a Monte Carlo simulation is performed to evaluate the MANET's potential aggregate interference. Thus, both network managers have offline requirements to meet by such a simulation before approving their coexistence in the same environment. The adequate size of an uncertainty area surrounding each primary antenna, to respect those requirements, is therefore our main contribution to mitigate the MANET's interference. This is a novel solution for this kind of non-intrusive underlay spectrum sharing paradigm.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,773

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,069
Tête enseignante GPT0,281
Écart entre enseignants0,211 · 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
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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Wireless Communications and NetworkingMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207