MétaCan
Menu
Retour à la cohorte
Enregistrement W4407825994 · doi:10.1109/tccn.2025.3544838

CNN-Aided Self-Interference Estimation for In-Band Full-Duplex Systems

2025· article· en· W4407825994 sur OpenAlexaff
Iñigo Bilbao, Eneko Iradier, Jon Montalbán, Pablo Angueira, Zhihong Hong, Yiyan Wu

Notice bibliographique

RevueIEEE Transactions on Cognitive Communications and Networking · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFull-Duplex Wireless Communications
Établissements canadiensCommunications Research Centre Canada
Organismes subventionnairesEusko JaurlaritzaEuropean Regional Development FundEuskal Herriko UnibertsitateaAgencia Estatal de InvestigaciónCHIST-ERAEuropean Commission
Mots-clésComputer scienceInterference (communication)TelecommunicationsElectronic engineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Modern radio access technologies approach Shannon’s limit, necessitating innovative methods for enhanced spectral efficiency. In-band full-duplex (IBFD) can double the spectral efficiency, enabling simultaneous transmission and reception over the same time-frequency resource. IBFD faces the challenge of self-interference, which has to be canceled by up to 100 dB. This paper estimates the loopback channel through convolutional neural networks (CNNs), which leverage the natural signal structure of wireless channels, effectively mapping time-frequency features. We test the method via simulations in two measured channels, showing cancelations of up to 52 dB.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,921
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,029
Tête enseignante GPT0,278
Écart entre enseignants0,249 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Cognitive Communications and NetworkingMême sujetFull-Duplex Wireless CommunicationsTravaux en français237 207