MétaCan
Menu
Retour à la cohorte
Enregistrement W2247595788 · doi:10.1109/epec.2015.7379988

OFDM systems with CPM mappers for smart grid applications

2015· article· en· W2247595788 sur OpenAlexaff
Emammer Shafter, Abdulfattah Noorwali, Raveendra K. Rao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésOrthogonal frequency-division multiplexingComputer sciencePhase-shift keyingElectronic engineeringWirelessSmart gridModulation (music)Reliability (semiconductor)Wireless networkComputer networkReal-time computingChannel (broadcasting)Bit error ratePower (physics)TelecommunicationsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Smart grid can be thought of as a network of interconnected wireless networks. In such a network, critical reports generated at the customer sites are required to be communicated to a control station through several layers of wireless networks. Communication in these sub-networks is typically achieved using IEEE 802.11 technology that uses Orthogonal Frequency Division Multiplexing (OFDM). Conventionally, in an OFDM system BPSK, QPSK and QAM mappers are used. In this paper, Continuous Phase Modulation (CPM) mapper in an OFDM system is proposed: i) to enhance the physical layer reliability through the introduction of correlation among the transmitted OFDM symbols; and ii) to reduce the Peak-to-Average Power Ratio (PAPR) of transmitted OFDM symbols. The objective, over here is to examine the PAPR performance of OFDM systems with CPM mappers with and without Selective Mapping (SLM) technique. Simulations show that CPM mapper in OFDM systems can provide better PAPR performance compared to conventional mappers used in the existing IEEE 802.11 standards. It is noted that CPM mapper in OFDM is very effective in reducing PAPR and can be easily adopted in 802.11 standards for wireless network communications in smart grid.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,219
Écart entre enseignants0,196 · 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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPAPR reduction in OFDMTravaux en français237 207