Publication

Statistical Analysis of Impulse Radio Ultra-Wideband Multi User Interference based on Measurements

Jean-Yves Le Boudec
2008
Conference Papers

Résumé

Multiuser interference (MUI) statistical models for impulse radio ultra-wideband (IR-UWB) systems can be an important in providing an accurate estimate of the channel state. As such, it can have a major impact on the overall system performance. In the literature, MUI in the time domain is often approximated with Middleton class A and Gaussian mixture models. We use measurements from an IR-UWB testbed under office Line of Sight (LOS) environments to assess the validity of these models. We also analysis the statistical properties of MUI in the frequency domain. We expect these findings to form the basis for useful interference models.

Source officielle

https://infoscience.epfl.ch/entities/publication/1854e285-b661-40b6-993d-ec6da3119a2c

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Statistical Analysis of Impulse Radio Ultra-Wideband Multi User Interference based on Measurements

Chattez avec Graph Search

Observation of the ${{{\varLambda } ^0_{b}} \!\rightarrow {{J \hspace{-1.66656pt}/\hspace{-1.111pt}\psi }} {{\varXi } ^-} {{K} ^+} }$ and ${{{{\varXi } ^0_{b}} \!\rightarrow {{J \hspace{-1.66656pt}/\hspace{-1.111pt}\psi }} {{\varXi } ^-} {{\pi } ^+} }}$ decays

Multimodal Prediction Framework for Total Shoulder Arthroplasty Outcomes: Integrating Morphological, Musculoskeletal, Finite Element, and Bayesian Causal Models

The stability of deep learning for 21cm foreground removal across various sky models and frequency-dependent systematics