MétaCan
Menu
Retour à la cohorte
Enregistrement W4220936872 · doi:10.18280/ts.390141

Detection, Estimation and Radiation Formation Using Smart Antennas for the Spatial Location

2022· article· en· W4220936872 sur OpenAlexvenueno aff
Feroz Morab, Rajeshwari Hegde, Veena N. Hegde

Notice bibliographique

RevueTraitement du signal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAntenna Design and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education, India
Mots-clésBeamformingDirection of arrivalComputer scienceTransmission (telecommunications)Smart antennaSpace-division multiple accessAntenna (radio)Angle of arrivalElectronic engineeringAntenna arrayBase stationReal-time computingDirectional antennaTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

The Electromagnetic (EM) waves are impinging on the base station from all the directions, Equally Spaced Uniform Linear Antenna Array (ESULA) are used to process these incoming EM waves to Detect and Estimate the directions of the mobile transmitters. After the process of Detection and Estimation, Electronic Beamforming is used to provide the narrow sharper beam towards the detected user. This Detection, Estimation and Beamforming plays a key role in variety of use cases like Radar, Wireless Communication and Sonar based systems. Smart Antenna Systems are implemented using two strategies namely Direction of Arrival (DoA) and Beamforming (BF). Direction of Arrival is a mechanism of Detecting and Estimating the directions of the mobile transmitters. Beamforming on the other hand is a process of transmission of the EM waves towards the source in a specific direction and providing the Spectral Nulls to other Interfering users. To increase the user capacity and to enhance the user experience Spatial Location based Spatial Division Multiple Access (SDMA) technology is used. To improve the overall performance of the smart antenna systems energy and packet delivery is majorly focused on specific source directions rather than using blind transmission strategy. In this paper performance analysis of algorithms for Direction of Arrival methods as well as the Beamforming methods have been performed. Experimental simulations are conducted and comparison is done with respect to Bias, Resolution and Time complexity for the Direction of Arrival methods. Noise Subspace Method (NSM) DoA algorithm consistently delivered the optimal bias, high resolution detection of the user location in spatial domain and provided lesser time complexity for both the scenarios which uses fewer antenna elements or larger number of antenna array elements at the base station. Similarly for the case of Beamforming methods the Mean Square Error and Beam-directions have been compared.

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 enseignants0,962
Score d'incertitude au seuil0,334

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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,191 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetAntenna Design and OptimizationTravaux en français237 207