MétaCan
Menu
Retour à la cohorte
Enregistrement W3045860675 · doi:10.33262/concienciadigital.v3i2.2.1254

Análisis de calidad de servicio en la transmisión por AM digital mediante el uso de códecs en USRP.

2020· article· es· W3045860675 sur OpenAlexvenueno aff
Juan José Pérez Insuasti, Mónica Andrea Zabala Haro, Alexandra Orfelina Pazmiño Armijos, Hugo Moreno

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineComputer Science
ThématiqueMedia and Digital Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

El objetivo fue realizar el estudio y análisis de la calidad de servicio en la transmisión am digital mediante el uso de códecs en USRP. La Metodología de desarrollo muestra claramente cómo se realizó el prototipo para la transmisión y recepción, empezando con la selección de dispositivos, el diseño, la ejecución y el análisis de los resultados obtenidos. Se basa en el estudio de las condiciones particulares en la transmisión y recepción de señal en AM digital (DRM), la implementación del transmisor en GNU Radio, la configuración del receptor en HDSDR y Dream SDR. Además de las tarjetas Ettus USRP N210, Ettus USRP B200 y RTL-SDR REALTEK RTL2832U. El resultado de este estudio fue la calidad de los niveles de servicio evaluados en la velocidad de transmisión (Kbps) y la relación señal / ruido (SNR) para determinar la fidelidad en la recepción de señales digitales. En base a los resultados se define que las características de funcionamiento de cada modo de robustez para un determinado canal de transmisión varían los valores de la velocidad de transmisión y la relación señal a ruido, ofreciendo el modo B una mejor protección de la señal con respecto al ruido, mientras que el modo A ofrece mayor velocidad de transmisión. El sistema DRM emplea las mejores tecnologías de compresión de sonido ya que usa los algoritmos de audio y voz del MPEG-4 que brinda excelente calidad de sonido a bajas tasas de bit como la codificación AAC.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,017
Tête enseignante GPT0,264
Écart entre enseignants0,247 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetMedia and Digital CommunicationTravaux en français237 207