Angle of Arrival Estimation for Terahertz-enabled Space Information Networks
Notice bibliographique
Résumé
Space information networks (SINs) empowered by Terahertz (THz) frequencies are expected to play a vital role in next-generation wireless space networks due to the unique transmission characteristics and coverage extension capabilities of SINs, owing to their high altitudes. Also, utilizing THz frequencies allows the usage of more bandwidth. However, communications in this frequency range come at the cost of extreme path loss, especially for low-orbit implementation of SINs. High gain narrow beamforming utilizing a large number of antennas can be considered to overcome substantial losses at these frequencies. Consequently, highly accurate and efficient angle of arrival (AoA) estimation algorithms are required to achieve successful beamforming and eventually to increase the signal-to-noise ratio (SNR) in SINs. To this end, we propose the utilization of a two-stage gold-MUSIC algorithm over an array of subarray (AoSA) structure for AoA estimation with lower power consumption and less hardware complexity compared to the contemporary arrays due to the reduced RF-chain in AoSA. Furthermore, we introduce an analysis of AoA estimation performance in terms of residual Doppler spread, which is a realistic metric for SINs since Doppler cannot be accurately estimated in the case of instantaneous rapid motional changes of satellites especially at high frequencies. Results show that the proposed two-staged gold-MUSIC method for AoSA provides accurate AoA estimation while being computationally efficient.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».