MétaCan
Menu
Retour à la cohorte
Enregistrement W7133344600 · doi:10.1109/ciot67574.2025.11410142

Performance and Front-End Module Comparison of IoT Red Cap and NR 5G Devices

2025· article· W7133344600 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensTelus (Canada)
Organismes subventionnairesnon disponible
Mots-clésEnergy consumptionThroughputBandwidth (computing)Analog front-endBroadbandEfficient energy usePower consumption

Résumé

récupéré en direct d'OpenAlex

This paper presents a comprehensive comparison between Reduced Capability (RedCap) and 5G New Radio (NR). RedCap is the first standardized 5G technology for the Internet of Things (IOT). RedCap devices were introduced in third Generation Partnership Project (3GPP) Release 17 as a NR light with the target of cost-efficiency and energy saving using narrower bandwidth and lower modulation complexity. Redcap bridges the Narrow Band IOT and 5G NR. Reducing complexity in modulation, bandwidth, antenna configuration, and modem capabilities, significantly reduced the cost and energy consumption. RedCap and 5G NR broadband devices in terms of the specification, throughput and architectures focused on power consumption in band n78 are compared. The reduced capabilities in RedCap devices make them simplified front end modules with lower complexity and power consumption. The results highlight design trade-offs relevant to developing IOT and consumer RedCap devices in mid-band spectrum. Scattering parameters, gain, and throughput are presented by Advanced Designed System (ADS) and MATLAB simulation. The results confirm that RedCap devices achieve sufficient throughput and energy efficiency for a wide range of low data rate use cases, such as smartwatches and industrial sensors.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,021
Tête enseignante GPT0,269
Écart entre enseignants0,248 · 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'étudeObservationnel
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 sujetIoT and Edge/Fog ComputingTravaux en français237 207