MétaCan
Menu
Retour à la cohorte
Enregistrement W2990643636 · doi:10.1109/pimrc.2019.8904423

GFDM-Modulated Full-Duplex Cognitive Radio Networks in the Presence of RF Impairments

2019· article· en· W2990643636 sur OpenAlexaff
Amirhossein Mohammadian, Chintha Tellambura

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFull-Duplex Wireless Communications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTransmitterCognitive radioFrequency offsetOrthogonal frequency-division multiplexingPhase noiseElectronic engineeringMultiplexingComputer scienceRadio frequencyTelecommunicationsPhysicsTopology (electrical circuits)WirelessElectrical engineeringChannel (broadcasting)Engineering

Résumé

récupéré en direct d'OpenAlex

This paper investigates the problem of sum rate maximization for a full-duplex (FD) generalized frequency division multiplexing (GFDM) based secondary user (SU) link, operating in a spectrum hole. The right and left adjacent channels of the spectrum hole have two active primary users (PUs), and thus adjacent channel interference (ACI) on them must be below a threshold. For SU link, radio frequency (RF) impairments including phase noise, in-phase (I) and quadrature (Q) imbalance, and carrier frequency offset (CFO) are considered and analog domain and digital domain self-interference (SI) cancellation techniques are applied. We consider two cases: (1) two independent oscillators for local transmitter and receiver, (2) single shared oscillator between them. We derive the powers of residual SI, desired signal and noise and signal-to-interference-plus noise ratio (SINR). Furthermore, power spectral density (PSD) of FD transmitter is calculated and ACI is formulated. By using successive convex approximation, sum rate maximization problem subject to ACI limits on adjacent PUs is defined and solved. Finally, we show that FD GFDM for the SU link can achieve twice higher sum rate than FD orthogonal frequency division multiplexing (OFDM).

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,444

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 ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFull-Duplex Wireless CommunicationsTravaux en français237 207