MétaCan
Menu
Retour à la cohorte
Enregistrement W1982530805 · doi:10.4236/ijcns.2010.36070

Nonlinear Blind Equalizers: NCMA and NMCMA

2010· article· en· W1982530805 sur OpenAlexaff
Donglin Wang, Sandeep Chandana

Notice bibliographique

RevueInternational Journal of Communications Network and System Sciences · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlind Source Separation Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNonlinear systemQuadrature amplitude modulationConstant (computer programming)MathematicsAlgorithmMean squared errorModulusSquare (algebra)Control theory (sociology)Mathematical optimizationApplied mathematicsComputer scienceBit error rateStatisticsGeometryArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

This paper proposes two nonlinear blind equalizers: the nonlinear constant modulus algorithm (NCMA) and the nonlinear modified constant modulus algorithm (NCMA) by applying a nonlinear transfer function (NTF) into constant modulus algorithm (CMA) and modified constant modulus algorithm (MCMA), respectively. The effect of the NTF on CMA and MCMA is theoretically analyzed, which implies that the NTF can make their decision regions much sharper so that the proposed two nonlinear blind equalizers are more robust against the convergency error compared to their linear counterparts. The embedded single layer in NCMA and NMCMA simultaneously guarantees a comparably speedy convergency. On 16-quadrature amplitude modulation (QAM) symbols, computer simulations show that NCMA achieves an 8dB lower convergency mean square error (MSE) than CMA, and NMCMA achieves a 15dB lower convergency MSE than MCMA.

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)0,002
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 enseignants0,911
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0010,001
Science ouverte0,0030,001
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 Opus0,040
Tête enseignante GPT0,346
Écart entre enseignants0,306 · 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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Communications Network and System SciencesMême sujetBlind Source Separation TechniquesTravaux en français237 207