MétaCan
Menu
Retour à la cohorte
Enregistrement W2114932394 · doi:10.1109/vetec.1999.780558

Optimal detection of QAM in a man-made noise environment

2003· article· en· W2114932394 sur OpenAlexaff
Mirza Hamza, Hieu Trung Huynh, Paul Fortier

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Communications and Noise
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésGaussian noiseComputer scienceDetectorNoise (video)QAMBinary numberMatched filterDetection theoryAlgorithmSIGNAL (programming language)Quadrature amplitude modulationFilter (signal processing)Speech recognitionStatisticsArtificial intelligenceBit error rateTelecommunicationsMathematicsComputer visionDecoding methodsArithmetic

Résumé

récupéré en direct d'OpenAlex

It is known that in the personal communication systems environment, additive noise is not Gaussian. Experimental studies show that this type of noise obeys the class A Middleton man-made noise statistics. The influence of such noise is very severe on the probability error rate for a matched filter detector. To improve the detection performance, a non-linear detector should be used. This structure is based on the maximum likelihood approach which exploits multiple samples of the incoming signal. The improvement has been established by Spaulding and Middleton (1977) for the binary case. This paper generalizes this approach to M-ary signal detection, namely M-QAM, which is the most popular scheme in practice.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,299
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Line Communications and NoiseTravaux en français237 207