MétaCan
Menu
Retour à la cohorte
Enregistrement W4402982000 · doi:10.1109/otcon60325.2024.10688297

Spatial Modulation Techniques for Improved ISAC Throughputs

2024· article· en· W4402982000 sur OpenAlexaff
Sanjay Kumar Suman, B Rajalakshmi, Irfan Khan, V Alekhya, Sorabh Lakhanpal, Abdul-jabbar A. Ali

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSparse and Compressive Sensing Techniques
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceModulation (music)ThroughputComputer architectureSpatial modulationComputer networkTelecommunicationsPhysicsMIMO

Résumé

récupéré en direct d'OpenAlex

This study introduces “Adaptive Spatial Modulation for Enhanced ISAC Throughputs (ASM-ISAC)” to speed up Intelligent Space-Air-Ground Communication (ISAC). An adaptive spatial modulation technique, CSD for cooperative spatial diversity, and EESM-ISAC for energy-efficient spatial modulation are used. To boost communication throughput and reduce bit error rates, ASM-ISAC adjusts modulation and spatial patterns in real time. Cooperation between close ISAC nodes improves performance in CSD. EESM-ISAC develops energy-efficient communication with restricted resources. This research evaluates ASM-ISAC against earlier approaches like “Conventional Modulation Scheme for ISAC (CMS-ISAC)”. The test evaluates frequency efficiency, error performance, latency, complexity, energy efficiency, and security. ASM-ISAC outperforms CMS-ISAC in several aspects, suggesting it might increase ISAC throughput.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,348

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 Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSparse and Compressive Sensing TechniquesTravaux en français237 207