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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 source (Gemma direct ou Codex distillé), 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
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

Citations13
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

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