MétaCan
Menu
Retour à la cohorte
Enregistrement W3085215956 · doi:10.1109/tvt.2020.3025371

Improper Gaussian Signaling for Computationally Tractable Energy and Information Beamforming

2020· article· en· W3085215956 sur OpenAlexfundno aff
Hongwen Yu, Hoang Duong Tuan, Ali A. Nasir, Trung Q. Duong, Lajos Hanzo

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilInstitute for Computational Science and TechnologyQueen's UniversityNational Natural Science Foundation of ChinaQueen's University Belfast
Mots-clésBeamformingEnergy (signal processing)Decoding methodsGaussianThroughputComputer scienceInformation transferWirelessTransmitter power outputElectronic engineeringPower (physics)Energy harvestingMaximum power transfer theoremWireless power transferAlgorithmEngineeringTelecommunicationsMathematicsChannel (broadcasting)TransmitterPhysics

Résumé

récupéré en direct d'OpenAlex

The transmit time-switching (transmit-TS) approach, under which the energy and information are transferred over different fractions of a time slot has proved its supremacy over the power splitting (PS) approach of simultaneous wireless information and power transfer, where PS splits the power of the received signal for energy harvesting and information decoding. For integrating data and energy transfer, this paper develops new classes of beamforming that are suitable for improper Gaussian signaling which is capable of network throughput improvements while maintaining high computational efficiency in its design.

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: aucune
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,702

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 Opus0,007
Tête enseignante GPT0,183
Écart entre enseignants0,176 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207