Notice bibliographique
Résumé
Wireless communication is a fundamental aspect of everyday life. Modern mobile applications such as the Internet of Things (IoT), high-resolution video streaming, connected cars, smart cities, and telehealth care have a universal presence these days. The growth in these applications will continue to require higher data rates, large bandwidth, increased capacity, low latency and high throughput. As the Radio Frequency (RF) spectrum is a limited resource, considerable effort has been expended in the search for more efficient techniques for transmitting data through limited bandwidth resources. The key component of meeting this requirement is employing an efficient adaptive modulation scheme. Adaptive M-ary Quadrature Amplitude Modulation (M-QAM) techniques have been developed to deliver better Bit Error Rate (BER) performance and higher Spectral Efficiency (SE) by taking advantage of the time-varying nature of wireless fading channels. This work further enhances the adaptive M-QAM by employing an efficient Three-Dimensional (3D) adaptive modulation scheme to significantly increase the BER and SE of the wireless networks. This paper introduces a novel 3D version of adaptive M-QAM that significantly improves the BER performance and, more importantly, doubles the SE. This results in also doubling the network capacity and throughput. Simulation results show that the SE is doubled, and the gain is increased by 6dBin BER versus Energy per Bit to Noise ratioEb/Nocurves. This study proposes that this improvement can be further enhanced by transmitting and receiving through more than two planes, using more than two cross-polarized antennas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».