Добірка наукової літератури з теми "Ортогональне частотне мультиплексування"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Зміст
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Ортогональне частотне мультиплексування".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Ортогональне частотне мультиплексування"
Солодовник, В. І. "Метод мультиплексної просторової ортогонально-частотної модуляції сигналів". Системи озброєння і військова техніка, № 3(63), (30 вересня 2020): 104–11. http://dx.doi.org/10.30748/soivt.2020.63.15.
Повний текст джерелаЖук, О. Г. "Удосконалена математична модель каналу радіозв’язку з ортогональним частотним мультиплексуванням при впливі дестабілізуючих факторів". Системи обробки інформації, № 1(147) (24 січня 2017): 73–79. http://dx.doi.org/10.30748/soi.2017.147.14.
Повний текст джерелаВасюта, Костянтин Станіславович, Уляна Романівна Збежховська, Валерій Валерійович Слободянюк, Ірина Вікторівна Захарченко, Олександр Леонтійович Кащишин, Марко Сергійович Дубинський, Юрій Миколайович Рябуха та Олексій Васильович Коваль. "Метод підвищення скритності систем передачі інформації на основі модуляції з ортогональним частотним розділенням і мультиплексуванням хаотичних піднесучих". RADIOELECTRONIC AND COMPUTER SYSTEMS, № 3 (5 жовтня 2021): 79–93. http://dx.doi.org/10.32620/reks.2021.3.07.
Повний текст джерелаHordiichuk, V. "МЕТОДИКА АДАПТИВНОГО ВИБОРУ ТА СИНТЕЗУ РАЦІОНАЛЬНИХ СИГНАЛЬНО-КОДОВИХ КОНСТРУКЦІЙ ПЕРСПЕКТИВНИХ ПРОГРАМОВАНИХ РАДІОЗАСОБІВ В УМОВАХ СКЛАДНОЇ РАДІОЕЛЕКТРОННОЇ ОБСТАНОВКИ". Системи управління, навігації та зв’язку. Збірник наукових праць 3, № 55 (21 червня 2019): 19–24. http://dx.doi.org/10.26906/sunz.2019.3.019.
Повний текст джерелаДисертації з теми "Ортогональне частотне мультиплексування"
Іваненко, Валерій Вікторович. "Блок збору та передачі інформації за технологією PLC". Бакалаврська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/10386.
Повний текст джерелаMyronchuk, O. Y. "Two-stage optimal algorithm of joint estimation of information symbols and channel frequency response in OFDM systems." Thesis, National Aviation University, 2021. https://er.nau.edu.ua/handle/NAU/50639.
Повний текст джерелаOrthogonal frequency division multiplexing (OFDM) is widely used in modern digital communication systems such as digital video and audio broadcasting (ISDB-T, DVB-T, DVB-T2, DRM, DAB), wireless broadband networks (IEEE 802.16), local area networks (IEEE 802.11a, g, n), mobile communication systems (LTE, LTE Advanced) and other. The main advantages of OFDM are high spectrum efficiency and possibility to provide high data transmitting speeds.
Мультиплексування з ортогональним частотним поділом (OFDM) широко використовується в сучасних цифрових системах зв'язку, таких як цифрове відео- та аудіомовлення (ISDB-T, DVB-T, DVB-T2, DRM, DAB), бездротових широкосмугових мережах (IEEE 802.16), локальній мережі мережі (IEEE 802.11a, g, n), системи мобільного зв'язку (LTE, LTE Advanced) та інші. Основними перевагами OFDM є висока ефективність спектру та можливість забезпечити високі швидкості передачі даних.
Strukov, D. D., and O. Y. Myronchuk. "Application of neural networks for solving interpolation tasks." Thesis, National Aviation University, 2021. https://er.nau.edu.ua/handle/NAU/50536.
Повний текст джерелаArtificial neural networks (ANN) are fundamental solution for most of nowadays algorithmic and optimization problems. The most frequently encountered artificial neuron models are neurons with multiple inputs and single output, named feedforward neural network (FNN).
Штучні нейронні мережі (ANN) є фундаментальним рішенням для більшості сучасних задач алгоритмізації та оптимізації. Найбільш часто зустрічаються моделі штучних нейронів - це нейрони з кількома входами та єдиним виходом, названі нейронною мережею прямого пересилання (FNN).