MétaCan
Menu
Retour à la cohorte
Enregistrement W7149498231 · doi:10.5281/zenodo.19412698

Optimizing PAPR Reduction in 5G Networks

2015· article· W7149498231 sur OpenAlexaff
Aisha Patel, L. Chen

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2015
Typearticle
Langue
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésOrthogonal frequency-division multiplexingIntersymbol interferenceReduction (mathematics)Interference (communication)TransmitterFrequency-division multiplexingMultiplexingSignal-to-noise ratio (imaging)

Résumé

récupéré en direct d'OpenAlex

— Due to advancement in age and growing demands, there has been a rapid evolution in the field of communication. Hence, single carrier waves are being replaced by multi-carrier systems like Orthogonal Frequency Division Multiplexing (OFDM) and Generalized Frequency Division. Multiplexing (GFDM) which are nowadays being implemented commonly. In the OFDM system, orthogonally placed subcarriers are used to carry the data from the transmitter to the receiver end. The presence of guard band in these systems deals with the problem of intersymbol interference (ISI) and noise is minimized by the larger number of subcarriers. However, the large Peak to Average Power Ratio (PAPR) of these signals has undesirable effects on the system. In this work, we will focus on the GFDM systems as well as methods that reduce the PAPR issue to improve the efficiency

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0060,007

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 Opus0,049
Tête enseignante GPT0,245
Écart entre enseignants0,196 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetPAPR reduction in OFDMTravaux en français237 207