MétaCan
Menu
Retour à la cohorte
Enregistrement W2891046626 · doi:10.1109/jsyst.2018.2864794

Quasi-Optimal Subcarrier Selection Dedicated for Localization With Multicarrier-Based Signals

2018· article· en· W2891046626 sur OpenAlexaff
Donglin Wang, M. Fattouche, Fadhel M. Ghannouchi, Xingqun Zhan

Notice bibliographique

RevueIEEE Systems Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSubcarrierUpper and lower boundsMultipath propagationCramér–Rao boundComputer scienceTransmitter power outputAlgorithmSelection (genetic algorithm)Dilution of precisionPilot signalPosition (finance)Range (aeronautics)Mathematical optimizationOrthogonal frequency-division multiplexingEstimation theoryMathematicsTelecommunicationsEngineeringGlobal Positioning SystemArtificial intelligenceTransmitter

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to design dedicated probing signals for localization based on orthogonal multicarriers that attain the lowest value of the possible fundamental limits. The proposed scheme named Quasi-Optimal Subcarrier Selection (QOSS) attempts to generate the probing signals in positioning systems by minimizing the Cramer-Rao lower bound of range estimation in nonoverlapping multipath channels instead, which do indirectly depress the performance bounds in overlapping multipath channels to a certain extent. Based on the optimization of power allocation on orthogonal subcarriers, two kinds of QOSS signals are proposed for: 1) basestation (BS)-based localization networks where mobile station (MS) transmits to all BSs, and 2) MS-based localization networks where multiple BSs simultaneously transmit to the MS. Two adaptive search algorithms have been presented to generate the QOSS signal for MS-based localization networks. The fundamental limits of both QOSS signals are theoretically derived, the close relationship between the bound of range estimation and that of localization is disclosed and the lower bound of position dilution of precision is further obtained. Numerical results and experiments demonstrate our proposed theory.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,235
Écart entre enseignants0,222 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Systems JournalMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207