MétaCan
Menu
Retour à la cohorte
Enregistrement W2964412792 · doi:10.48550/arxiv.1907.11654

PhyCode: A Practical Wireless Communication System Exploiting Superimposed Signals

2019· preprint· en· W2964412792 sur OpenAlexafffund
Wen Cui, Chen Liu, Lin Cai, Jianping Pan

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typepreprint
Langueen
DomaineEngineering
ThématiqueFull-Duplex Wireless Communications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceWirelessExploitOffset (computer science)SIGNAL (programming language)Carrier frequency offsetDistortion (music)Software-defined radioDecoding methodsCompensation (psychology)Frequency offsetElectronic engineeringReal-time computingTelecommunicationsChannel (broadcasting)Orthogonal frequency-division multiplexingBandwidth (computing)Engineering

Résumé

récupéré en direct d'OpenAlex

Superimposed signals are anticipated to improve wireless spectrum efficiency to support the ever-growing IoT applications. Implementing the superimposed signal demands on ideally aligned signals in both the time and frequency domains. Prior work applied an average carrier-frequency offset compensation to the superimposed signal under the assumptions of homogeneous devices and static environments. However, this will cause a significant signal distortion in practice when heterogeneous IoT devices are involved in a dynamic environment. This paper presents PhyCode, which exploits the nature of varying offsets across devices, and designs a dynamic decoding scheme which can react to the exact offsets from different signal sources simultaneously. We implement PhyCode via a software-defined radio platform and demonstrate that PhyCode achieves a lower raw BER compared with the existing state-of-the-art method.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
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 Opus0,096
Tête enseignante GPT0,207
Écart entre enseignants0,111 · 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.

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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetFull-Duplex Wireless CommunicationsTravaux en français237 207