MétaCan
Menu
Retour à la cohorte
Enregistrement W4294338763 · doi:10.5957/imdc-2022-281

Wireless Channels in Shipboard Environments: Challenges and Opportunities

2022· article· en· W4294338763 sur OpenAlexaff
Xin Chen, David G. Michelson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRadio Wave Propagation Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWirelessFixed wirelessWireless sensor networkWireless networkTelecommunicationsWi-Fi arrayWireless site surveyComputer scienceEngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

_ For most of the twentieth century, the vast majority of studies of wireless in shipboard environments focused on electromagnetic compatibility between the numerous antennas that are installed on the ship’s superstructure and the high power transmitters associated with them, often referred to as the topside environment. With the advent of short-range wireless data and sensor networks in the late 1990’s, researchers began to assess the nature of wireless propagation below decks and the potential role of wireless personal communications and wireless personal, local area, and sensor networks in shipboard environments. As expected, researchers found that the confined spaces below decks, with their numerous reflecting surfaces and bulkheads, severely attenuate and distort wireless signals and greatly complicate wireless system planning. Moreover, the propagation environment is highly variable and greatly affected by the opening and closing of watertight doors and loading or unloading of cargo and stores. The greatest challenges, however, are that the nature of wireless propagation aboard a given vessel is usually unknown until after the vessel is built and measurements can be performed, and current ship design guidelines and rulebooks offer no guidance concerning design for wireless system compatibility. Here, we review progress in measurement and modeling of shipboard wireless propagation environments over the past twenty-five years with particular emphasis on their applicability to emerging 3GPP/5G and NextG wireless systems. We conclude that although past efforts offer useful insights concerning the physics of wireless propagation aboard ship, they are largely site-specific or anecdotal. As a result, their outcomes cannot yet cast in a form that can usefully contribute to either simulation or design of shipboard wireless networks. Further, although advances in wireless test and measurement technology have somewhat eased the task of conducting link-level measurements and assessing signal attenuation and distortion, such information is insufficient to support design of modern shipboard wireless networks. Accordingly, it seems likely that network performance data obtained from live networks will be as or perhaps even more important as link-level data obtained using lab-grade test and measurement equipment going forward. In response, we propose a modelling framework for shipboard wireless propagation that captures the role of propagation and channel models in simulation and design across the development life cycle (standards development, system development, and system deployment) and thereby overcomes many of the limitations of past work. We further propose a measurement framework for shipboard wireless propagation that captures the respective roles of the two approaches and suggests how such data can be usefully pooled or combined.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,007
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,062
Tête enseignante GPT0,213
Écart entre enseignants0,152 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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 sujetRadio Wave Propagation StudiesTravaux en français237 207