MétaCan
Menu
← Retour à la cohorte
Enregistrement W7070700864

Power-Efficient Hardware Architecture for Computing Split-Radix FFT on Highly Sparse Spectrum

2015· other· fr· W7070700864 sur OpenAlexfundno aff

Notice bibliographique

RevuePolyPublie (École Polytechnique de Montréal) · 2015
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesPolytechnique Montréal
Mots-clésFast Fourier transformSplit-radix FFT algorithmSine and cosine transformsDomain (mathematical analysis)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le problè me du transfert des signaux du domaine temporel au domaine fré quentiel d'une maniè re efficace, lorsque le contenu du spectre de fré quences a une faible densité , est le sujet de cette thè se.La technique bien connue de la transformé e de Fourier rapide (FFT) est l'algorithme de traitement de signal privilé gié pour observer le contenu fré quentiel des signaux entrants à des é metteurs-ré cepteurs de té lé communication, tels que la radio cognitive, ou la radio dé finie par logiciel qu"on utilise habituellement pour l"analyse du spectre dans une bande de fré quences.Cela peut repré senter un lourd fardeau de calcul sur des processeurs lorsque la FFT ordinaire est mise en œuvre, ce qui peut impliquer une consommation d'é nergie considé rable.L'alimentation en é nergie est une ressource limité e dans les appareils mobiles et, par consé quent, cette ressource peut ê tre critique pour des dispositifs de té lé communications mobiles.Dans le but de dé velopper un processeur é conome en é nergie pour les applications de transformation temps-fré quence, un algorithme de transformé e de Fourier plus efficace, en termes du nombre de multiplications et d"additions complexes, est sé lectionné .En effet, la Split-Radix Fast Fourier Transform (SRFFT) offre une performance meilleure que la FFT classique en termes de ré duction du nombre de multiplications complexes né cessaires et elle peut donc conduire à une consommation d'é nergie ré duite.En appliquent le concept d"élagage des calculs inutiles, c"est-à -dire des multiplications complexes avec entré es ou sorties à zé ro, tout au long de l'algorithme, on peut ré duire la consommation d'é nergie.Ainsi, une architecture maté rielle é nergé tiquement efficace est dé veloppé e pour le calcul de la SRFFT.Cette architecture est basé e sur l'é lagage des calculs inutiles.En fait, pour tirer parti du potentiel de la SRFFT, une nouvelle architecture d'un processeur de SRFFT configurable est d'abord conç ue, puis l'architecture est dé veloppé e afin d"éliminer les calculs inutiles.Cela se fait par l"utilisation approprié e d'une matrice d'é lagage.Le processeur proposé peut trouver des applications dans le multiplexage orthogonal en fré quence (OFDM) dans des é metteursré cepteurs de communication, où les signaux transmis peuvent n"occuper qu'une petite partie de VI l'ensemble du spectre opé rationnel.Le processeur est mis en œuvre sur un circuit programmable (FPGA) et sa fonctionnalité ainsi que sa performance sont validé es par des simulations.En outre, la consommation de puissance des processeurs SRFFT avec ou sans moteur d"élagage est analysé e via le simulateur de puissance du simulateur.Prenant le processeur SRFFT sans é lagage comme ré fé rence, les simulations de consommation d'é nergie montrent que l'é conomie d'é nergie maximale obtenue est de l'ordre de 20% lors de l'é lagage d"une FFT de 1024 points appliqué e à des signaux de spectre trè s clairsemé .

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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 Opus0,013
Tête enseignante GPT0,238
Écart entre enseignants0,225 · 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
GenreMéthodes

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolyPublie (École Polytechnique de Montréal)→Travaux en français237 207→