MétaCan
Menu
Retour à la cohorte
Enregistrement W2340413290 · doi:10.1109/tvt.2015.2436060

Bayesian Information Criterion for Source Enumeration in Large-Scale Adaptive Antenna Array

2015· article· en· W2340413290 sur OpenAlexaff
Lei Huang, Yu-Hang Xiao, Kefei Liu, Hing Cheung So, Jian‐Kang Zhang

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSubspace topologyFalse alarmAlgorithmBayesian information criterionMathematicsBayesian probabilityAntenna arrayA priori and a posterioriMaximum a posteriori estimationDetectorDetection theoryEnumerationExpression (computer science)Computer scienceAntenna (radio)StatisticsDiscrete mathematicsMaximum likelihoodArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Subspace-based high-resolution algorithms for direction-of-arrival (DOA) estimation have been developed for large-scale adaptive antenna arrays. However, its prerequisite step, namely, source enumeration, has not yet been addressed. In this paper, a new approach is devised in the framework of the Bayesian information criterion (BIC) to provide reliable detection of the signal source number for the general asymptotic regime, where m, n → ∞ and m/n → c ∈ (0, ∞), with m and n being the numbers of antennas and snapshots, respectively. In particular, the a posteriori probability is determined by correctly calculating the LLFs and PFs for the general asymptotic case. By means of the maximum a posteriori probability, we are capable of effectively finding the signal number. An accurate closed-form expression for the probability of missed detection is also derived for the proposed BIC variant. In addition, the probability of false alarm for the BIC detector is proved to converge to zero as m, n → ∞ and m/n → c. Simulation results are included to demonstrate the superiority of the proposed detection approach over state-of-the-art schemes and corroborate our theoretical calculations.

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)0,019
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,013
Tête enseignante GPT0,251
Écart entre enseignants0,238 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207