MétaCan
Menu
Retour à la cohorte
Enregistrement W4290996205 · doi:10.1109/icc45855.2022.9838528

Blind Distributed Spectrum Sensing with Binary Local Decisions through the Maximum Energy Indicator

2022· article· en· W4290996205 sur OpenAlexaff
Yindi Jing, Tsang-Yi Wang, Xinwei Yu

Notice bibliographique

RevueICC 2022 - IEEE International Conference on Communications · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCognitive radioBinary numberEnergy (signal processing)Computer scienceGaussianAlgorithmAdditive white Gaussian noiseGaussian noiseSIGNAL (programming language)Detection theoryHomogeneity (statistics)Signal-to-noise ratio (imaging)Noise powerPower (physics)Channel (broadcasting)Mathematical optimizationTelecommunicationsMathematicsStatisticsWirelessDetectorMachine learningPhysics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a new scheme for distributed spectrum sensing in the blind scenario, wherein the channel gains, the signal power, and the noise power are unknown. By utilizing energy detection and homogeneity test concepts, the cognitive radios (CRs) make binary local decisions based on whether a CR has the maximum sample energy within a sampling window among all CRs. With independent channels, the use of this maximum energy indicator generates a desirable discrepancy among the CR decisions when the frequency band is in use. Closed-form results on the distribution of the CR decisions are obtained for Gaussian noises and signal. Asymptotic analytical expressions are derived on the detection performance of the proposed scheme. Simulation results show the advantage of the proposed scheme and validate the analysis.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0040,002
Intégrité de la recherche0,0000,001
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 Opus0,068
Tête enseignante GPT0,307
Écart entre enseignants0,240 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICC 2022 - IEEE International Conference on CommunicationsMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207