MétaCan
Menu
Retour à la cohorte
Enregistrement W2005254817 · doi:10.1155/2009/839424

Spreading Code Assignment Strategies for MIMO-CDMA Systems Operating in Frequency-Selective Channels

2010· article· en· W2005254817 sur OpenAlexaff
Claude D’Amours, Adel Omar Dahmane

Notice bibliographique

RevueEURASIP Journal on Wireless Communications and Networking · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensUniversité du Québec à Trois-RivièresUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSpectral efficiencyCode division multiple accessMIMOBit error rateCDMA spectral efficiencyAlgorithmChannel (broadcasting)Coding (social sciences)Electronic engineeringReal-time computingTelecommunicationsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Code Division Multiple Access (CDMA) and multiple input multiple output- (MIMO-) CDMA systems suffer from multiple access interference (MAI) which limits the spectral efficiency of these systems. By making these systems more power efficient, we can increase the overall spectral efficiency. This can be achieved through the use of improved modulation and coding techniques. Conventional MIMO-CDMA systems use fixed spreading code assignments. By strategically selecting the spreading codes as a function of the data to be transmitted, we can achieve coding gain and introduce additional degrees of freedom in the decision variables at the output of the matched filters. In this paper, we examine the bit error rate performance of parity bit-selected spreading and permutation spreading under different wireless channel conditions. A suboptimal detection technique based on maximum likelihood detection is proposed for these systems operating in frequency selective channels. Simulation results demonstrate that these code assignment techniques provide an improvement in performance in terms of bit error rate (BER) while providing increased spectral efficiency compared to the conventional system. Moreover, the proposed strategies are more robust to channel estimation errors as well as spatial correlation.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,002
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 Opus0,060
Tête enseignante GPT0,330
Écart entre enseignants0,270 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Wireless Communications and NetworkingMême sujetWireless Communication Networks ResearchTravaux en français237 207