Frequency Index Modulation for Low Complexity Low Energy Communication Networks
Notice bibliographique
Résumé
In this paper, we propose a low-complexity multi-user communication system based on frequency index modulation that suits Internet of Things applications. This system aims to reduce the transmitted energy and the peak-to-average-power ratio (PAPR) of orthogonal frequency-division multiplexing (OFDM) systems and to perform without sacrificing data rate in comparison with conventional OFDM. In this design, OFDM-like signals are used to make the implementation of the system easy by the virtue of fast Fourier transform (FFT). In the proposed scheme, an OFDM bandwidth of$N_{\text {FIM}}$total sub carriers is divided into$N_{B}$equal number of sub-bands, with$N$subcarriers in every sub-band. At the transmitter side of each sensor, the outgoing bit stream is divided into two blocks: mapped and modulated. The bits within the mapped block are used to activate the corresponding subcarrier in its predefined sub-band in order to carry the data content of the modulated block, while the other$N-1$subcarriers are nulled out. At the receiver, the FFT is performed first, and then the square-law envelope detector is applied to estimate the active frequency index to recover the mapped bits, followed by a conventional demodulation process to demodulate the transmitted bits. Once the system is presented and analyzed, energy efficiency, PAPR and complexity are studied to show the features of the proposed scheme. Moreover, we derive closed-form expressions of the bit error rate performance over Rayleigh fading channels and we validate the outcome by simulation results. With the characteristics exhibited in this paper, the proposed system would constitute an excellent candidate for wireless sensor applications where it represents a simpler substitution for frequency-hopping-based architectures, in which the hops carry extra bits.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».