WLC16-4: Low-Complexity Turbo Equalization for Alamouti Space-Time Block Coded EDGE Systems
Notice bibliographique
Résumé
Enhanced Data Rates for Global Evolution (EDGE) based systems are expected to facilitate the same services as third generation WCDMA systems. This goal is achieved through physical layer enhancements to increase the data rate and spectral efficiency. Thus, it has become important to incorporate the recent advances in the physical layer. Recently, space-time block coding (STBC) has evolved as an effective transmit diversity technique. Convolutional channel coding is employed in EDGE systems. The combination of channel coding and STBC can be used to achieve high throughput over hostile wireless channels. On the other hand, turbo equalization can be employed in channel coded broadband wireless systems to further enhance the radio link performance. EDGE-based systems employ 8PSK high- level modulation. Hence, maximum a posteriori (MAP)-based soft equalization is not suitable due to high complexity. Therefore, in this paper, we propose a low-complexity MMSE-based turbo equalization scheme for Alamouti space-time (ST) block coded multiple-input multiple-output (MIMO) systems. In the proposed iterative receiver, widely linear (WL) processing is used to exploit the rotational variance of the ST block coded transmit signal. Equalization and ST block decoding are jointly carried out at each iteration using the a priori information delivered by the convolutional channel decoder from the previous iteration. The simulation results demonstrate that high performance improvement can be obtained using the proposed iterative scheme in comparison to the non-iterative equalization. Due to the low-complexity, the proposed scheme is highly attractive for future EDGE-based systems with Alamouti STBC.
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 | 0,000 |
| Science ouverte | 0,000 | 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 ».