Estimation and equalization of fiber-wireless uplink for multiuser CDMA 4G networks
Notice bibliographique
Résumé
Fiber-wireless (Fi-Wi) access fronts can support 100s of Mb/s envisioned by 4G networks. However, a major issue associated with Fi-Wi links is the nonlinear distortion of the radio-over-fiber (ROF) link coupled with the multipath dispersion of the wireless channel. Estimation and subsequent equalization of the concatenated fiber-wireless channel needs to be done, especially at high bit rates. The uplink is severely affected due to large fluctuations in the radio signal. This paper proposes an estimation and subsequent equalization algorithm for the Fi-Wi CDMA uplink. The estimation employs the properties of pseudo noise (PN) sequences and the equalization uses a novel Hammerstein type decision feedback equalizer (HDFE). The estimation and equalization are performed in the presence of multiple access interference (MAI) and wireless and optical channel noise. The cumulative effects of multiuser interference, multipath dispersion, nonlinear distortion, and noise are all considered in our analysis. Correlation properties of white-noise like PN sequences enable decoupling of the linear (wireless) and nonlinear (optical) channel portions. Furthermore, we propose a unique algorithm to mitigate MAI. Numerical evaluations show a good estimation and equalization of both the linear and nonlinear channels. Bit error rate (BER) simulations show that this algorithm leaves only small residual MAI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».