Impacts of impulsive noise from partial discharges on wireless systems performance: application to MIMO precoders
Notice bibliographique
Résumé
Abstract To satisfy the smart grid electrical network, communication systems in high-voltage substations have to be installed in order to control equipments. Considering that those substations were not necessarily designed for adding communication networks, one of the most appropriate solutions is to use wireless sensor network (WSN). However, the high voltage transported through the station generates a strong and specific radio noise. In order to prepare for such a network, the electromagnetic environment has to be characterized and tests in laboratories have to be performed to estimate the communication performances. This paper presents a method for measuring the noise due to high voltage and more particularly the impulsive noise. In the laboratory, we generate the impulsive noise using two specimens, and we show that these laboratory measurements validate the field measurements of Pakala et al. For the two specimens, it aims to link the noise characteristics (magnitude and frequency) with the specimen parameters (power supply and geometric dimensions) to predict the environments where wireless communications can be troublesome. By using different sets of this measured noise, we show that the statistical model of Middleton Class A can be used to model the impulsive noise in high-voltage substations better than the Gaussian model. We consider a cooperative multiple-input-multiple-output (MIMO) system to achieve the wireless sensor communication. This system uses recent MIMO techniques based on precoding like max-d min and P-OSM precoders. The MIMO precoder-based cooperative system is a potential candidate for energy saving in WSN since energy efficiency optimization is a very important critical issue. Since MIMO precoders are with Gaussian noise assumption, we evaluate the performance of several MIMO precoders in the presence of impulsive noise using estimated parameters from the measured noise.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».