MétaCan
Menu
Retour à la cohorte
Enregistrement W2075416647 · doi:10.1109/tcomm.2015.2409259

Jitter-Robust Spectral Shaping in OFDM

2015· article· en· W2075416647 sur OpenAlexafffund
Ehsan Haj Mirza Alian, Patrick Mitran

Notice bibliographique

RevueIEEE Transactions on Communications · 2015
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésJitterOrthogonal frequency-division multiplexingElectronic engineeringComputer scienceReduction (mathematics)Sampling (signal processing)Spectral efficiencyControl theory (sociology)MathematicsTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Timing jitter in OFDM systems results in non-ideal sampling and pulse-shaped transmission times and thus, is an important limiting factor for practical OFDM systems. In this paper, the effect of sampling jitter on the spectrum of a transmitted OFDM signal is considered. This effect in particular can lead to a significant degradation in the performance of spectral shaping techniques in OFDM, e.g., out-of-band radiation reduction techniques, that are mostly based on the assumption of ideal sampling times and accurate synchronization. In this work, we first evaluate the effect of random sampling time jitter on the performance of the active interference cancellation (AIC) technique, a well-known out-of-band radiation reduction technique for OFDM. Then, using a minimax approach, we propose a robust scheme that takes the jitter effect into consideration and therefore, makes the sidelobe suppression technique robust against worst-case random jitter. Numerical simulations show a performance improvement of almost 3 dB in interference reduction for our proposed robust scheme in the presence of timing jitter.

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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,141
Tête enseignante GPT0,294
Écart entre enseignants0,153 · 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

Citations2
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetPAPR reduction in OFDMTravaux en français237 207