MétaCan
Menu
Retour à la cohorte
Enregistrement W4417281820 · doi:10.1109/pimrc62392.2025.11274995

Space Shift Keying-Enabled ISAC for Efficient Debris Detection and Communication in LEO Satellite Networks

2025· article· W4417281820 sur OpenAlexaff
Gédéon Ghislain Nkwewo Ngoufo, Khaled Humadi, Elham Baladi, Güneş Karabulut Kurt

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésWaveformSpace debrisChirpContext (archaeology)Communications satelliteKeyingScalabilityModulation (music)Satellite

Résumé

récupéré en direct d'OpenAlex

The proliferation of space debris in low Earth orbit (LEO) presents critical challenges for orbital safety, particularly for satellite constellations. Integrated sensing and communication (ISAC) systems provide a promising dual-function solution by enabling both environmental sensing and data communication. This study explores the use of space shift keying (SSK) modulation within ISAC frameworks, evaluating its performance when combined with sinusoidal and chirp radar waveforms. SSK is particularly attractive due to its low hardware complexity and robust communication performance. Our results demonstrate that both waveforms achieve comparable bit error rate (BER) performance under SSK, validating its effectiveness for ISAC applications. However, waveform selection significantly affects sensing capability: while the sinusoidal waveform supports simpler implementation, its high ambiguity limits range detection. In contrast, the chirp waveform enables range estimation and provides a modest improvement in velocity detection accuracy. These findings highlight the strength of SSK as a modulation scheme for ISAC and emphasize the importance of selecting appropriate waveforms to optimize sensing accuracy without compromising communication performance. This insight supports the design of efficient and scalable ISAC systems for space applications, particularly in the context of orbital debris monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,225
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 source (Gemma direct ou Codex distillé), 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 sujetRadar Systems and Signal ProcessingTravaux en français237 207