MétaCan
Menu
Retour à la cohorte
Enregistrement W2982608253 · doi:10.1109/wcnc.2019.8885805

Design Optimization of a MIMO Receiver for Diffusion-based Molecular Communication

2019· article· en· W2982608253 sur OpenAlexaff
Oussama Abderrahmane Dambri, Amine Abouaomar, Soumaya Cherkaoui

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMolecular Communication and Nanonetworks
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMolecular communicationMIMOTransmitterComputer scienceChannel (broadcasting)DetectorAlgorithmBit error rateElectronic engineeringSIGNAL (programming language)Radio receiver designTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Path loss is a main challenge in Molecular Communications. When molecules carry information based only on a natural diffusion, the number of molecules that can be received is inversely proportional to the square distance between the transmitter and the receiver, thus hugely impacting the received signal strength. The use of a Multi-Input Multi-Output (MIMO) technique can improve the performance of molecular communications by increasing the data rate. In this paper, we studied the receiver used in molecular MIMO communications. We focused on three important parameters for the receiver design, which are the channel distance, the distance between the detectors constructing the receiver and the detectors diameter. To optimize the design of a 3×3 MIMO receiver, we used AcCoRD simulator to obtain 3D stochastic simulations for each scenario. We evaluated the simulation results by studying the error probability and the number of molecules representing the signal strength. We then proposed two optimization problems that aim at optimizing the receiver parameters choice, and two algorithms to solve the problems. The study shows that a judicious choice of the three parameters combination can optimize MIMOs receiver design, which can decrease the error probability and improve the performance of Molecular Communication.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,693
Score d'incertitude au seuil0,295

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 Opus0,011
Tête enseignante GPT0,208
Écart entre enseignants0,198 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMolecular Communication and NanonetworksTravaux en français237 207