Modeling of UV Diffused-LoS Communication Channel Incorporating Obstacles: An Integration Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The existing works on ultraviolet (UV) channel modeling primarily focus on non-line-of-sight (NLoS) communication scenarios, where the UV transceiver does not need to be aligned and can communicate around obstacles. However, NLoS scenarios also face problems such as long channel delay spread and severe path loss, and consequently, these phenomena will be exacerbated as the amount and dimension of obstacles increase. To tackle these problems, we investigate the channel models for UV diffused line-of-sight (LoS) communication scenarios comprehensively. First, a UV diffused-LoS channel model with an obstacle is put forward, where the radiation intensity distributions of UV light sources, the height difference between UV transceivers, as well as the obstacle dimension and orientation are incorporated to approach practical application scenarios. Besides, the channel modeling framework for diffused-LoS scenarios incorporating obstacles is investigated, where we take two obstacles as an example to illustrate the entire modeling process. Further, we validate the proposed models by comparing them with associated LoS and Monte-Carlo photon-tracing (MCPT) models via numerical calculations. The path loss results manifest that the proposed integration models agree well with the existing channel models, while their calculation time is much shorter than that of the MCPT model. Apart from that, the channel path loss and bit-error rate performance of diffused-LoS scenarios are superior to those of NLoS scenarios when obstacle reflection is apparent, and channel delay spreads of diffused-LoS scenarios are shorter than those of NLoS scenarios regardless of circumstances with one or two obstacles.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle