Communicating over nonstationary nonflat wireless channels
Notice bibliographique
Résumé
We develop the concept of joint time-frequency estimation of wireless channels. The motivation is to optimize channel usage by increasing the signal-to-noise ratio (SNR) after demodulation while keeping training overhead at a moderate level. This issue is important for single-input single-output (SISO) and multiple-input multiple-output (MIMO) systems but particularly so for the latter. Linear operators offer a general mathematical framework for symbol modulation in channels that vary both temporally and spectrally within the duration and bandwidth of one symbol. In particular, we present a channel model that assumes first-order temporal and spectral fluctuations within one symbol or symbol block. Discrete prolate spheroidal sequences (Slepian sequences) are used as pulse-shaping functions. The channel operator in the Slepian basis is almost tridiagonal, and the simple intersymbol interference pattern can be exploited for efficient and fast decoding using Viterbi's algorithm. To prove the concept, we use the acoustic channel as a meaningful physical analogy to the radio channel. In acoustic 2 /spl times/ 2 MIMO experiments, our method produced estimation results that are superior to first-order time-only, frequency-only, and zeroth-order models by 7.0, 9.4, and 11.6 db. In computer simulations of cellular wireless channels with realistic temporal and spectral fluctuations, time-frequency estimation gains us 12 to 18 db over constant-only estimation in terms of received SNR when signal-to-receiver-noise is 10 to 20 db. The bit error rate (BER) decreases by a factor of two for a binary constellation.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».