MétaCan
Menu
Retour à la cohorte
Enregistrement W2592790278

Simulation of potential adaptive array algorithms for 3G CDMA systems

2002· article· en· W2592790278 sur OpenAlexaff
Danyan Chen, A.K. Elhakeem

Notice bibliographique

RevueInternational Symposium on Antenna Technology and Applied Electromagnetics · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Adaptive Filtering Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCode division multiple accessBeamformingComputer scienceAlgorithmBase stationAdaptive beamformerChannel (broadcasting)Antenna arraySignal-to-noise ratio (imaging)Smart antennaSignal-to-interference-plus-noise ratioInterference (communication)Electronic engineeringAntenna (radio)TelecommunicationsEngineeringDirectional antennaPower (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The goal of using adaptive arrays is to increase the Signal-to-Interference-Noise Ratio (SINR) of the communication in order to reduce error rates and to lead to better utilization of the capacity of the channel. This paper considers a number of algorithms that could be used for antenna array receivers in the mobile-to-base station link of a cellular code division multiple access (CDMA) system. Two classes of algorithms are considered: non-blind and blind adaptive beamforming algorithms. For non-blind beamforming, two solutions are presented: 1) LMS solution with training sequence, 2) Wiener solution with pilot channel on reverse link of 3G CDMA systems. For blind beamforming, we choose Least Squares De-spread Re-spread Multitarget Constant Modulus Algorithm (LS-DRMTCMA). The simulation results show the improvement of both system SINR and BER.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil0,814

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Symposium on Antenna Technology and Applied ElectromagneticsMême sujetAdvanced Adaptive Filtering TechniquesTravaux en français237 207