MétaCan
Menu
Retour à la cohorte
Enregistrement W1925674193 · doi:10.1109/tsp.2015.2468681

Iterative Demodulation and Channel Estimation for Asynchronous Joint Multiple Access Reception

2015· article· en· W1925674193 sur OpenAlexaff
Christian Schlegel, Marcel Jar

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDemodulationComputer scienceEstimatorChannel (broadcasting)Iterative methodConvergence (economics)Asynchronous communicationAlgorithmControl theory (sociology)Electronic engineeringMathematical optimizationTelecommunicationsMathematicsArtificial intelligenceStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

Iterative demodulation with integrated channel estimation is investigated for multiple access systems as alternative to separate estimation/demodulation, which is the current state-of-the-art method. While basic theoretical system performance is well understood, practical aspects such as those arising from estimating the time-varying channels due to parameter drifts or inherent channel dynamics are not so well explored. The integration of adaptive estimators for these time-varying channels into the iterative receiver is studied, and it is shown that simple correlation-based estimators are sufficient to allow adequate tracking even for time-varying channels in a multiple access environment, and that near-ideal performance of the receiver is achievable. The requirements of the estimators and their performance in the demodulation loops are investigated via system convergence functions. Quantitative analytical results are verified with selected simulation examples. Spread-spectrum access is used to illustrate the principles of iterative demodulation and other potential areas for application are identified and discussed.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,663

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 savante0,0000,001
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 Opus0,066
Tête enseignante GPT0,306
Écart entre enseignants0,240 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207