MétaCan
Menu
Retour à la cohorte
Enregistrement W4416011303 · doi:10.1109/tbc.2025.3627776

Architecture for Efficient Local Content Insertion in ATSC 3.0 SFNs

2025· article· en· W4416011303 sur OpenAlexaff
Orlando Landrove, Erick Jimenez, Pablo Angueira, Iñaki Eizmendi, Willie Perez, Jon Montalbán

Notice bibliographique

RevueIEEE Transactions on Broadcasting · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTelecommunications and Broadcasting Technologies
Établissements canadiensHumber Polytechnic
Organismes subventionnairesEusko Jaurlaritza
Mots-clésBackward compatibilityDefault gatewayArchitectureTransmitterSingle-frequency networkInternetworkingPhysical layerKey (lock)Software

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel approach for seamless and efficient local content insertion in Single Frequency Network (SFN) networks. In practical deployments, the proposed architecture supports content replacement with services of varying bitrates, as long as they conform to the Physical Layer Pipes (PLP’s) configured capacity. This work proposes the introduction of a new entity, Stream Processor, close to the transmitter facilities, which supports dynamic local content management without altering the ATSC 3.0 Broadcast Gateway or central headend configuration. Moreover, this method ensures that synchronization, a key aspect of SFN networks, is maintained without duplicating or modifying signaling data. Finally, the presented technique has been tested with commercial ATSC 3.0 hardware and software components, demonstrating reliable reception, compatibility with standard receivers, and resilience under Studio-to-Transmitter Link Transport Protocol (STLTP) network stress conditions.

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: aucune
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,735

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 technologies0,0000,000
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 Opus0,029
Tête enseignante GPT0,245
Écart entre enseignants0,217 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on BroadcastingMême sujetTelecommunications and Broadcasting TechnologiesTravaux en français237 207