Análisis de calidad de servicio en la transmisión por AM digital mediante el uso de códecs en USRP.
Bibliographic record
Abstract
El objetivo fue realizar el estudio y análisis de la calidad de servicio en la transmisión am digital mediante el uso de códecs en USRP. La Metodología de desarrollo muestra claramente cómo se realizó el prototipo para la transmisión y recepción, empezando con la selección de dispositivos, el diseño, la ejecución y el análisis de los resultados obtenidos. Se basa en el estudio de las condiciones particulares en la transmisión y recepción de señal en AM digital (DRM), la implementación del transmisor en GNU Radio, la configuración del receptor en HDSDR y Dream SDR. Además de las tarjetas Ettus USRP N210, Ettus USRP B200 y RTL-SDR REALTEK RTL2832U. El resultado de este estudio fue la calidad de los niveles de servicio evaluados en la velocidad de transmisión (Kbps) y la relación señal / ruido (SNR) para determinar la fidelidad en la recepción de señales digitales. En base a los resultados se define que las características de funcionamiento de cada modo de robustez para un determinado canal de transmisión varían los valores de la velocidad de transmisión y la relación señal a ruido, ofreciendo el modo B una mejor protección de la señal con respecto al ruido, mientras que el modo A ofrece mayor velocidad de transmisión. El sistema DRM emplea las mejores tecnologías de compresión de sonido ya que usa los algoritmos de audio y voz del MPEG-4 que brinda excelente calidad de sonido a bajas tasas de bit como la codificación AAC.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".