MétaCan
Menu
Retour à la cohorte
Enregistrement W4411055165 · doi:10.1109/tccn.2025.3576814

DFRC Systems Co-Existing in Licensed Spectrum: Cognitive Beamforming Designs

2025· article· en· W4411055165 sur OpenAlexaff
Tuan Anh Le, Ivan Ku, Xin‐She Yang, Christos Masouros, Tho Le‐Ngoc

Notice bibliographique

RevueIEEE Transactions on Cognitive Communications and Networking · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCognitive radioBeamformingCognitionTelecommunicationsComputer networkWireless

Résumé

récupéré en direct d'OpenAlex

This paper introduces a dual-function radar-communication (DFRC) system with cognitive radio capability to tackle the spectral scarcity problem in wireless communications. Particularly, a cognitive DFRC system operates on a spectrum owned by a primary system to simultaneously perform data communication and target tracking with the condition that its interference to the primary users (PUs) is below a certain threshold. To achieve this, an optimization problem is formulated to jointly design the beamforming vectors for both the radar and communication functions in such a way that the mean square error (MSE) of the beam pattern between the designed and desired waveforms is minimized. The optimization problem has the following three constraints: i) the signal-to-interference-plus-noise ratio (SINR) at each data communication user is above a predetermined level; ii) the per-antenna transmit power is maintained at a given level; iii) the interference imposed on each PU is below a certain threshold. Both the semidefinite relaxation and nature-inspired firefly algorithms are proposed in order to search for the optimal solutions to the optimization problem. The simulation results indicate that our proposed algorithms can enable the DFRC system to protect the PUs while simultaneously performing its communication and radar functions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,110
Tête enseignante GPT0,367
Écart entre enseignants0,257 · 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 sujetWireless Communication Networks ResearchTravaux en français237 207