Capacity maximisation in eigen-multiple-input multiple-output using adaptive modulation and Reed–Solomon coding
Notice bibliographique
Résumé
Eigen-multiple-input multiple-output (MIMO) with water-filling gives the maximum information-theoretic capacity, but realising this maximisation is not straightforward because practical factors are omitted. Adaptive modulation and error coding are combined for finding the maximum practicable capacity (throughput of correctly detected bits) in eigen-MIMO. Quadrature amplitude modulation (QAM) is the logical choice of modulation and here Reed–Solomon (RS) coding is used. RS coding has the advantages of algorithmic simplicity, low-memory requirements, and decoder complexity, and its unique closed-form error probability makes it possible to obtain an optimal power allocation, signal constellation size(s), and code rate(s) on the eigenchannels, for the maximum practicable capacity. The proposed adaptive scheme is applied to two architectures for the encoders/decoders (CODECs): outer coding, where a single CODEC is deployed for the overall serial data; and inner coding, where there is a CODEC for each eigenchannel. The optimal power allocation is different to the water-filling used for the information-theoretic capacity. Also, simple and accurate approximations are found for the bit-error rate (BER) of a single Rayleigh channel and of a 2×2 system. Finally, a selection procedure between different system configurations is presented for obtaining the highest practicable capacity subject to either average or instantaneous output BER.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».