MétaCan
Menu
Retour à la cohorte
Enregistrement W2019099392 · doi:10.1109/tcomm.2006.869806

M-ary NCFSK with S+N selection combining in Rician fading

2006· article· en· W2019099392 sur OpenAlexaff
Sasan Haghani, Norman C. Beaulieu

Notice bibliographique

RevueIEEE Transactions on Communications · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRician fadingFadingFading distributionMultipath propagationAlgorithmDiversity combiningIndependent and identically distributed random variablesMathematicsPhase-shift keyingSignal-to-noise ratio (imaging)Bit error rateElectronic engineeringTelecommunicationsStatisticsComputer scienceRayleigh fadingEngineeringRandom variableDecoding methodsEstimator

Résumé

récupéré en direct d'OpenAlex

The performances of general M-ary and binary orthogonal noncoherent frequency-shift keying signal-plus-noise (S+N) receiver structures in slow, flat Rician fading channels are examined. The fading on the diversity branches is assumed to be independent, but not necessarily identically distributed. For each receiver, a symbol-error probability expression is derived as a single integral with finite integration limits. Extensive Monte Carlo simulation results are presented to validate the analytical expressions. The results indicate that, unlike previously published results, the performance of S+N selection combining (SC) is not always superior to that of classical SC in fading and is dependent on the value of the signal-to-noise ratio (SNR), the modulation order, the diversity order, the multipath intensity profile, and the fading parameter. It is further shown that increasing the number of diversity branches in a S+N SC receiver does not necessarily decrease the probability of error if the system is operating in the low-SNR region. The performances of S+N SC schemes are also compared with the performances of equal-gain combining and square-law combining receivers.

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 enseignants0,950
Score d'incertitude au seuil0,860

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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,242
Écart entre enseignants0,228 · 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

Citations13
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207