MétaCan
Menu
Retour à la cohorte
Enregistrement W4398232303 · doi:10.12688/f1000research.144624.2

Exploring and analyzing the role of hybrid spectrum sensing methods in 6G-based smart health care applications

2024· preprint· en· W4398232303 sur OpenAlexaff
Арун Кумар, Raminder Kaur, Нішант Гаур, Aziz Nanthaamornphong

Notice bibliographique

RevueF1000Research · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésOpen peer reviewPlant biologyBroad spectrumSpectrum (functional analysis)NeuroscienceMedicineComputational biologyPhysiologyComputer scienceBiologyChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Background: Researchers are focusing their emphasis on quick and real-time healthcare and monitoring systems because of the contemporary modern world's rapid technological improvements. One of the best options is smart healthcare, which uses a variety of on-body and off-body sensors and gadgets to monitor patients' health and exchange data with hospitals and healthcare professionals in real time. Utilizing the primary user (PU) spectrum, cognitive radio (CR) can be highly useful for efficient and intelligent healthcare systems to send and receive patient health data. Methods: In this work, we propose a method that combines energy detection (ED) and cyclostationary (CS) spectrum sensing (SS) algorithms. This method was used to test spectrum sensing in CR-based smart healthcare systems. The proposed ED-CS in cognitive radio systems improves the precision of the spectrum sensing. Owing to its straightforward implementation, ED is initially used to identify the idle spectrum. If the ED cannot find the idle spectrum, the signals are found using CS-SS, which uses the cyclic statistical properties of the signals to separate the main users from the interference. Results: In the simulation analysis, the probability of detection (Pd), probability of a false alarm (Pfa), power spectral density (PSD), and bit error rate (BER) of the proposed ED-CS is compared to those of the traditional Matched Filter (MF), ED, and CS. Conclusions: The results indicate that the suggested strategy improves the performance of the framework, making it more appropriate for smart healthcare applications.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationlow
gptaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,003
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,877

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
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 Opus0,082
Tête enseignante GPT0,381
Écart entre enseignants0,298 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSimulation ou modélisation · Autre devis
Domainenon disponible
GenreEmpirique · Méthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207