MétaCan
Menu
Retour à la cohorte
Enregistrement W2024141463 · doi:10.1109/icsamos.2010.5642051

CORDIC-based LMMSE equalizer for Software Defined Radio

2010· article· en· W2024141463 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNumerical Methods and Algorithms
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftware-defined radioMinimum mean square errorCORDICAdaptive equalizerEqualization (audio)Real-time computingComputer hardwareAlgorithmDecoding methodsTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

In Code Division Multiple Access (CDMA) systems, the orthogonality of the spreading codes used to achieve multiple access over a channel is severely degraded due to multi-path interference. Expensive equalization techniques are needed to recover the transmitted signal. The Linear Minimum Mean Square Error (LMMSE) equalizer is a sub-optimal equalizer that is a good compromise between computational complexity and communication system performance. It uses computationally-intensive matrix inversion operations to perform equalization. In this paper, we address the computational challenges of implementing the LMMSE equalizer on Software Defined Radio (SDR) platforms. SDR platforms are favored by the wireless industry due to their significant benefits of reduced development costs and accelerated time-to-market. We present COordinate Rotation DIgital Computer (CORDIC) Instruction Set Architecture (ISA) extensions that speed up the LMMSE equalization algorithm. The costs and benefits of the ISA extensions are evaluated on the Sandbridge Sandblaster 3000 (SB3000) low-power, multithreaded SDR processor. The proposed ISA extensions provide significant performance improvements with little hardware overhead, while improving the accuracy of the LMMSE Equalizer.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,306
Écart entre enseignants0,280 · 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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNumerical Methods and AlgorithmsTravaux en français237 207