Rapid Estimation of TVWS: A Probabilistic Approach Based on Sensed Signal Parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The current demand for a wireless electromagnetic spectrum is higher than ever before due to rapid technological development in the field of information and communication technologies that has resulted in monumental growth in data-centric services. The usage of idle TV channels in the Television Ultra High Frequencies (TV-UHF) band (500–698 MHz), also known as Television White Spaces (TVWS), is a relatively new and promising concept for wireless connectivity that can be used to cater to the demand. A challenge in this setting is to figure out a fast and cost-effective method of TVWS presence estimation, such as the use of open hardware and software tools, reducing sensing time. This article proposes a Rapid Estimation Method (REM) for TVWS estimation that uses the statistical information of the sensed signals. Our probabilistic approach analyzes the collected parameters of more than eight million data samples taken by scanning the TV-UHF spectrum in the city of Windsor, ON, Canada. The calculated statistical parameters and a group of auxiliary parameters were combined to estimate rapidly the amount of TVWS available in the sensed locations. By applying the proposed rapid estimation method, the presence of TVWS was identified and verified with an accuracy of about 76% according to the results obtained, the average variation when comparing the calculated and detected probabilities of TVWS was in a range of 15%, and the method could be a viable solution to the spectrum need.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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