MétaCan
Menu
Retour à la cohorte
Enregistrement W4403977083 · doi:10.1109/access.2024.3489792

Optical Filter Design for Multi-Color VLC in Reflective Environments With Multiple Lighting Sources

2024· article· en· W4403977083 sur OpenAlexaff
Mehmet Ali Küçük, Cenk Albayrak, Kadir Türk, Halim Yanıkömeroğlu

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor Lasers and Optical Devices
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOptical filterFilter (signal processing)Visible light communicationReflectivityComputer visionOpticsLight-emitting diodePhysics

Résumé

récupéré en direct d'OpenAlex

Multi-color visible light communication (MC-VLC) systems, which aim to transmit data in parallel with multi-color LEDs, use optical filters to separate color channels at the receiver side. However, the relatively wide spectrum of LEDs may cause inter-color interference (ICI). In addition, the passband of the optical filters shifts towards the blue wavelength depending on the angle of incidence (AoI) of the light, which may also increase ICI. In this paper, the problem of designing optical filters for MC-VLC systems in the presence of the blue-shift is investigated. The communication environment is assumed to be a typical room illuminated by multiple fixtures in accordance with lighting standards. Moreover, the walls in the room are reflective, resulting in non-line-of-sight (NLoS) components. The passband edges of the optical filter are optimized to maximize the average signal-to-interference-plus-noise ratio (SINR). The effect of the field-of-view (FOV) of the receiver on the system performance is also analyzed. Finally, a generic optical filter has been designed that can be used in standards-compliant environments for selected LEDs and a given FOV range. The results show that the designed optical filter provides a higher and uniform capacity than those in the literature.

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: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,526

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 Opus0,063
Tête enseignante GPT0,303
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'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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetSemiconductor Lasers and Optical DevicesTravaux en français237 207