MétaCan
Menu
Retour à la cohorte
Enregistrement W1983671061 · doi:10.1109/vetecf.2011.6092944

Adaptive Reed-Solomon Coding in Eigen-MIMO with Non-Adaptive Modulation

2011· article· en· W1983671061 sur OpenAlexaff
S. Alireza Banani, Rodney G. Vaughan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCoding theory and cryptography
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLink adaptationComputer scienceCodecMIMOCoding (social sciences)Adaptive codingDecoding methodsEncoderCoding gainSpectral efficiencyCode rateAlgorithmQuadrature amplitude modulationPrecodingElectronic engineeringBit error rateTelecommunicationsChannel (broadcasting)MathematicsFadingData compressionEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

An adaptive coding scheme for spectral efficiency improvement in eigen-MIMO is presented. It uses Reed-Solomon (RS) codes with non-adaptive QAM. Non-adaptive modulation is of interest since it reduces the high complexity - in both the electronics and the protocol - required for deploying the more commonly treated adaptive modulation. RS codes have practical advantages in terms of their algorithmic simplicity, memory requirements and decoder complexity. Unlike many codes, an analytical solution for the error probability is available for RS coding. This facilitates finding the jointly optimal code rate(s) and power allocation on the eigenchannels, with the criterion of maximum instantaneous practicable capacity (data throughput). The adaptation is applied to two different architectures of the encoders/decoders (CODECs) for eigen-MIMO, and their performances are compared with the uncoded case. The outer coding architecture refers to a single CODEC working on the overall serial data, and inner coding refers to separate CODECs for different eigenchannels. The adaptive RS system with optimum power allocation reveals new capacity behavior which is different to that of water-filling. For the moderate values of SNR (6-20 dB) typical of wireless systems, the improvement in the capacity over the no-coding case is greater for the inner coding architecture.

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 enseignants0,822
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,035
Tête enseignante GPT0,213
Écart entre enseignants0,179 · 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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCoding theory and cryptographyTravaux en français237 207