MétaCan
Menu
Retour à la cohorte
Enregistrement W1575500402 · doi:10.1109/ictrc.2015.7156413

Hybrid ARQ with partial retransmission using turbo product codes

2015· article· en· W1575500402 sur OpenAlexaff
Husameldin Mukhtar, Arafat Al‐Dweik, Mohammed Al-Mualla

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCoding theory and cryptography
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHybrid automatic repeat requestRetransmissionComputer scienceTurbo codeAdditive white Gaussian noiseError detection and correctionAlgorithmAutomatic repeat requestDecoding methodsTurboCyclic redundancy checkThroughputReal-time computingChannel (broadcasting)Network packetComputer networkTelecommunications linkWirelessEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper presents a hybrid automatic repeat request (HARQ) scheme based on turbo product codes (TPC) error correction and self-detection. The TPC inherent error detection is used as an alternative to the conventional cyclic redundancy check (CRC) process and is utilized to implement partial retransmission. The proposed HARQ system attempts to identify the location of errors within the TPC codeword. Consequently, only parts of the codeword which are declared erroneous are retransmitted. The performance of the proposed TPC-based HARQ is evaluated with hard and soft decision decoding in additive white Gaussian noise (AWGN) channels. Packet combining and adaptive channel coding are also considered. The obtained results show that the proposed HARQ scheme provides higher or equivalent throughput when compared to CRC-based HARQ in most test scenarios.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,250
Écart entre enseignants0,210 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCoding theory and cryptographyTravaux en français237 207