MétaCan
Menu
Retour à la cohorte
Enregistrement W4387415364 · doi:10.1109/icjece.2023.3293031

Estimation of Random Channel Gain for SISO Visible Light Communications System

2023· article· en· W4387415364 sur OpenAlexaffvenue
Maysa Yaseen, Ayşe Elif Canbilen, Salama Ikki

Notice bibliographique

RevueCanadian Journal of Electrical and Computer Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Wireless Communication Technologies
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésMinimum mean square errorEstimatorMean squared errorMaximum a posteriori estimationStatisticsMathematicsChannel (broadcasting)AlgorithmComputer scienceMaximum likelihoodTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this article, the estimation of random channel gain is studied for a single-input single-output (SISO) visible light communication (VLC) system. Five different estimators, namely maximum likelihood (ML), least square (LS), maximum posteriori probability (MAP), linear minimum mean square error (LMMSE), and minimum mean square error (MMSE), are proposed. The performances of these estimators are compared with the derived Bayesian Cramér–Rao lower bound (BCRLB), which can be used as a benchmark to evaluate the efficiency of the unbiased estimators. The presented analytical results, corroborated with Monte Carlo simulations, indicate that the MMSE estimator provides the best results. Additionally, the increasing number of pilot symbols as well as the ascending transmitted power improve the system performance. On the other hand, the noise variance has a negative effect on the channel estimation in terms of mean square error (MSE), and thus, it can dramatically reduce the performance of the estimators.

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 enseignants0,939
Score d'incertitude au seuil0,347

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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,190 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Electrical and Computer EngineeringMême sujetOptical Wireless Communication TechnologiesTravaux en français237 207