MétaCan
Menu
Retour à la cohorte
Enregistrement W2095863531 · doi:10.1109/ccece.2005.1556886

A decorrelator based successive interference cancellation multiuser multirate receiver

2006· article· en· W2095863531 sur OpenAlexaff
Bin Yang, Florence Danilo-Lemoine

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSingle antenna interference cancellationMultiuser detectionComputer scienceCode division multiple accessMultipath propagationDetectorAsynchronous communicationRakeRayleigh fadingDecorrelationChannel (broadcasting)Interference (communication)AlgorithmFadingRake receiverProcess gainSpread spectrumMatched filterElectronic engineeringTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

A new decorrelator based successive interference cancellation (DBSIC) multiuser Rake receiver is proposed for asynchronous variable processing gain (VPG) multirate code division multiple access (CDMA) systems over multipath Rayleigh fading channels. By including a decorrelator on top of matched filtering (MF) at each stage of the conventional successive interference cancellation (SIC) receiver to determine the user's signal for the next stage, DBSIC improves the overall system performance at the expense of feasible additional complexity. The simulation results show performance gains for DBSIC over the decorrelating and SIC detectors in the scenario of perfect channel estimation. While it is observed that the system performance degrades under imperfect channel side information, DBSIC consistently outperforms the decorrelating and SIC detectors. It is also shown that while the conventional cancellation/detecting order based on MF outputs outperforms random detecting order for both SIC and DBSIC under perfect or mild imperfect channel estimation, DBSIC performance is less sensitive to the detection ordering method than SIC

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 enseignants0,922
Score d'incertitude au seuil0,491

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 savante0,0000,001
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 Opus0,015
Tête enseignante GPT0,259
Écart entre enseignants0,245 · 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

Citations4
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Networks ResearchTravaux en français237 207