MétaCan
Menu
Retour à la cohorte
Enregistrement W4281872154 · doi:10.1155/2022/4947224

Experimental Analysis Using USRP for Novel Wavelet‐Based Spectrum Sensing for 2.2 GHZ Band Communication Using LabVIEW

2022· article· en· W4281872154 sur OpenAlexaff
Kalpana Devi Perumal, E. D. Kanmani Ruby, M. Dhivya, G. Aloy Anuja Mary, V. Kavitha, Umamahesawari Kandasamy

Notice bibliographique

RevueJournal of Nanomaterials · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésCognitive radioUniversal Software Radio PeripheralInterference (communication)Computer scienceChannel (broadcasting)ThroughputSpectrum managementSignal-to-noise ratio (imaging)Radio spectrumElectronic engineeringSoftware-defined radioTelecommunicationsWirelessEngineering

Résumé

récupéré en direct d'OpenAlex

Spectrum sensing allows cognitive radio systems to detect relevant signals even in the presence of interference for reliable communication. Most of the existing spectrum sensing techniques use a particular signal‐to‐noise ratio model with assumptions and provide certain detection performance. Dynamic spectrum management techniques enabled the efficient allocation of channels to increasing number of users. In cognitive radio system, the dynamic spectrum management is efficient for sensing the channel occupancy and mobilizing the secondary user towards the unused primary user channel. For spectrum sensing, wavelet‐based spectrum sensing method is analyzed and effectively made spectrum decision. The performance analysis is made for various SNR values with enhanced false alarm and throughput in spectrum management cognitive radio system in 2.2 GHZ band communication.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,713
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,057
Tête enseignante GPT0,313
Écart entre enseignants0,255 · 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'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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NanomaterialsMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207