MétaCan
Menu
Retour à la cohorte
Enregistrement W2107068971 · doi:10.1186/1687-1499-2013-236

Decoding techniques for alternate-relaying BICM cooperative systems

2013· article· en· W2107068971 sur OpenAlexaff
Hala Mostafa, Mohamed Marey, Mohamed H. Ahmed, Octavia A. Dobre

Notice bibliographique

RevueEURASIP Journal on Wireless Communications and Networking · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésComputer scienceDetectorDecoding methodsNetwork packetExploitAlgorithmRelayTransmission (telecommunications)Bit error rateReal-time computingComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose the use of bit-interleaved coded modulation in alternate-relaying decode-and-forward cooperative communication systems. At the destination, we exploit the interference signal, which results from the simultaneous transmission of data streams through both direct and one of the relay channels to develop an optimal detector. It is shown that the proposed detector can be implemented by parallel concatenating maximum a posteriori (MAP) algorithms and demappers to the decoders. The detector exchanges soft information between the decoders and the MAP algorithms in an iterative way for performance improvement. The proposed optimal detector requires a long delay as the destination has to receive and store the entire frame before performing data detection. To avoid this, a sub-optimal detector is also proposed. Unlike the optimal detector, the sub-optimal one exploits two consecutive received packets to decode one packet. It turns out that the sub-optimal detector has less reduced delay, complexity, memory size, and bandwidth loss with a slight increase of the bit-error-rate. Extensive simulation results are presented to demonstrate the effectiveness of the proposed detectors.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,063
Tête enseignante GPT0,311
Écart entre enseignants0,248 · 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.

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

Citations13
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Wireless Communications and NetworkingMême sujetCooperative Communication and Network CodingTravaux en français237 207