MétaCan
Menu
Retour à la cohorte
Enregistrement W2344797937 · doi:10.1109/tbc.2015.2505412

Optimizing Pulse Shaping Filter for DOCSIS Systems

2016· article· en· W2344797937 sur OpenAlexafffund
Tung Nguyen, J.E. Salt, Ha H. Nguyen, Brian Berscheid

Notice bibliographique

RevueIEEE Transactions on Broadcasting · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage and Signal Denoising Methods
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFilter (signal processing)MathematicsRaised-cosine filterControl theory (sociology)Transfer functionPhase (matter)Pulse shapingFilter designParameterized complexityLinear phaseTrigonometric functionsAlgorithmComputer scienceRoot-raised-cosine filterEngineeringPower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a cost efficient nearly linear phase approximation to an square root raised cosine (SRRC) pulse shaping filter that satisfies the out-of-band spectral constraints of DOCSIS down-stream channels. A nearly linear phase filter structure is converted to an SRRC filter using a weighted and sampled least-squares criterion to fit the magnitude and phase responses. To ensure stability, the search for optimum coefficients is constrained using the Steigliz-McBride (SM) and Gauss-Newton (GN) methods, which unfortunately also eliminates sets of stable coefficients, one of which could be and probably is the optimum. To expand the sets of coefficients that produce stable filters in the SM and GN methods, the transfer function is parameterized in a special way. The effectiveness of the proposed filter is verified and compared with other approaches.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,073
Tête enseignante GPT0,297
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on BroadcastingMême sujetImage and Signal Denoising MethodsTravaux en français237 207