MétaCan
Menu
Retour à la cohorte
Enregistrement W2149678839 · doi:10.1109/twc.2009.080918

Bit error rate of TH-BPSK UWB receivers in multiuser interference

2009· article· en· W2149678839 sur OpenAlexaff
Iraj Hosseini, Norman C. Beaulieu

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueUltra-Wideband Communications Technology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAdditive white Gaussian noiseProbability density functionBit error rateComputer scienceInterference (communication)Phase-shift keyingAlgorithmGaussianMaximum a posteriori estimationGaussian noiseWhite noiseElectronic engineeringMathematicsTelecommunicationsDecoding methodsStatisticsMaximum likelihoodPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

It is well known that the Gaussian distribution is not an accurate model for approximating the probability density function (PDF) of the multiple access interference (MAI) in timehopping UWB (TH-UWB) systems. An exact theoretical model which explains the key features of the PDF of the MAI in THUWB systems is discussed. These features, which can be precisely anticipated by the proposed model include impulses, singularities, and the tail behaviour in the distribution of the MAI. The model reveals in quantitative terms why a Gaussian approximation for the MAI in TH-UWB systems is highly imprecise even in an environment with a large number of independent interferers. Based on the model obtained for the PDF of the MAI and exploiting the maximum a posteriori (MAP) receiver design rule, the optimal attainable BER performance of binary TH-UWB receivers in additive white Gaussian noise channels is numerically determined. The performances of some recently proposed UWB receivers are benchmarked against the optimal performance showing that some of them achieve near-optimal performance.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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'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

Citations11
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetUltra-Wideband Communications TechnologyTravaux en français237 207