MétaCan
Menu
Retour à la cohorte
Enregistrement W2143841082 · doi:10.1049/iet-com.2013.0299

Performance analysis of a power line communication system employing selection combining in correlated log‐normal channels and impulsive noise

2014· article· en· W2143841082 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIET Communications · 2014
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNoise (video)Computer scienceSelection (genetic algorithm)TelecommunicationsLine (geometry)Speech recognitionNoise powerPower (physics)Power-line communicationStatisticsAcousticsMathematicsArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

The authors analyse an L ‐channel selection combining (SC) scheme for a power line communication (PLC) system with binary phase‐shift keying. The focus is on improving the reliability in data transfer of the system instead of improving the data rate. To enhance the reliability in data transfer, multiple PLC channels are used to send the same information‐bearing signal to the receiver. The L PLC channels are subject to log‐normal fading, which is modelled by a multivariate log‐normal distribution with an exponential correlation. The channels are also corrupted by additive impulsive noise as well as thermal noise. To consider the effect of both types of noises, they adopt a Gaussian mixture noise model, in which the additive noise samples are taken from a Bernoulli–Gaussian process. The system performance is evaluated in terms of the average bit error rate and the average channel capacity, for which approximate closed form expressions are derived. Numerical results showing the impact of the number of PLC channels, the amount of correlation, the noise scenarios, and the fading environments on the performance are presented. The authors' results show that the performance improves with increasing number of PLC channels; however, the amount of improvement reduces with increasing channel correlation.

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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · 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