Closed-Form CRLBs for SNR Estimation From Turbo-Coded BPSK-, MSK-, and Square-QAM-Modulated Signals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this contribution, we derive for the first time the closed-form expressions for the Cramér-Rao lower bounds (CRLBs) of the signal-to-noise ratio (SNR) estimates from BPSK-, MSK- and square-QAM modulated signals over turbo-coded transmissions. These CRLBs, relatively easy to derive from BPSK, MSK and QPSK transmissions, become extremely challenging with higher-order square-QAM-modulated signals. In the latter, by exploiting the structure of the Gray mapping, we are able to factorize the likelihood function thereby linearizing all the derivation steps for the Fisher information matrix (FIM) elements. We also propose another approach that allows the evaluation of the considered bounds using extensive Monte Carlo computer simulations. The analytical CRLBs coincide exactly with their empirical counterparts validating thereby our new analytical expressions. Numerical results suggest that the CLRBs for code-aided (CA) SNR estimates range between the CRLBs for non-data-aided (NDA) SNR estimates and those for data-aided (DA) ones, thereby highlighting the expected potential in SNR estimation improvement from the coding gain. Indeed, the CA CRLBs improve by decreasing the overall coding rate due to enhanced decoding capabilities. However they do increase with the modulation order for a given code rate. Finally, the derived bounds are also valid for LDPC coded systems and they can be evaluated when the latter are decoded using the turbo principal.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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