MétaCan
Menu
Retour à la cohorte
Enregistrement W2911791687 · doi:10.1109/mwscas.2018.8624045

Multiplatform Spectrum Sensing Prototype

2018· article· en· W2911791687 sur OpenAlexaff
Danilo Corral-De-Witt, Aarron Younan, Dewan Ariful, Lining Zhang, Kemal Tepe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésWhite spacesComputer scienceUltra high frequencyCognitive radioUsabilitySpectrum (functional analysis)Channel (broadcasting)Radio spectrumReal-time computingTelecommunicationsWirelessHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Smart spectrum sharing initiatives have been stimulated by the spectrum scarcity experienced nowadays. The option that secondary users may access idle channels avoiding harmful interferences to primary users is a viable option to alleviate the spectrum crunch. In this line, it is necessary to identify, in a reliable way, the real status of spectrum bands and know if the selected frequencies are used or not by the incumbent. We propose a multiplatform spectrum sensing prototype, which is capable to sense the UHF TV frequency bands from 500 MHz to 700 MHz (Channels 19 to 51) and identify the characteristic features of the primary users. Combining a high accurate spectrum analyzer, an open source RF Explorer and an RTL SDR receptor we obtain information of the TV spectrum and know its usability. Analyzing the information collected by three above mentioned devices, it is possible to identify the TV white spaces in our interest frequencies and learn about the parameters to be sensed with a low-end device with high accuracy. Results obtained shows the active channels and the availability of TV white spaces in the City of Windsor.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,404

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 Opus0,016
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207