Desarrollo de software y procesado de medidas de propagación en frecuencias de milimétricas para los futuros sistemas 5G
Bibliographic record
Abstract
El presente trabajo se centra en el desarrollo de software, procesado y análisis de los resultados obtenidos en una campaña de medidas de ondas milimétricas en interiores, en la banda de 39.1 a 39.24 GHz. Se tiene un equipo transmisor y un equipo receptor, donde las condiciones de visibilidad entre los equipos presentan escenarios con visión \ndirecta (LOS) y sin visión directa (NLOS). \nEste Trabajo de Fin de Máster se desarrolla en el ámbito de un proyecto de 3 años financiado con fondos públicos, dirigido a analizar el uso de ondas milimétricas. El objetivo de este proyecto es llevar a cabo el procesado de medidas de atenuación y de canal MIMO, y su viabilidad en una de las posibles futuras bandas de frecuencia de milimétricas para comunicaciones móviles 5G. \nLas medidas recabadas se procesan para obtener las pérdidas de propagación para las diferentes distancias de un pasillo del edificio C de la Escuela Técnica Superior de Ingeniería de Telecomunicación (ETSIT) de la Universidad Politécnica de Madrid (UPM). Con el procesado de estos resultados se obtiene un gran conjunto de datos, que mediante el ajuste de curvas permite obtener gráficas que se pueden comparar con los modelos experimentales desarrollados por otros investigadores, como por ejemplo los modelos del 3GPP, METIS o mmMAGIC [1]. Además, con las mediciones se podrán hacer otros procesados relacionados con el canal MIMO, ya que se dispone de dos antenas en cada uno de los extremos de la comunicación. \nLas señales transmitidas son sinusoides sin ninguna modulación, con las que la obtención de la atenuación en el canal es sencilla. Las antenas utilizadas son omnidireccionales y bocinas piramidales, teniendo estas últimas un ancho de haz entre 14.5o y 22.5o. \nLa mayoría de los modelos de pérdidas del canal se expresan generalmente con términos que dependen de las pérdidas de propagación en espacio libre, la distancia, la frecuencia y un término independiente. En el trabajo se analiza cómo se aproximan los modelos obtenidos de las medidas con los modelos experimentales ya comentados. \nEn la primera parte de este trabajo se realiza una introducción de la realidad presente en la 5G (quinta generación) de comunicaciones móviles y se justifica que la caracterización de las ondas milimétricas es de suma importancia para su consecución. Posteriormente se exponen y analizan los modelos de propagación experimentales que se han desarrollado en los últimos años para el canal a frecuencias de milimétricas. A continuación, se describe la metodología con la que se procesan las medidas y se estudian los equipos presentes en el laboratorio. Por último, se analiza el procesado y los resultados obtenidos de las mediciones con los componentes de software empleados y desarrollados, y se detallan las conclusiones.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.001 |
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 teacher head, 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".