MétaCan
Menu
Retour à la cohorte
Enregistrement W2115630151 · doi:10.1109/tvt.2007.912149

Multistage MMSE PIC Space–Time Receiver With Non-Mutually Exclusive Grouping

2008· article· en· W2115630151 sur OpenAlexaff
Benoît Pelletier, Benoı̂t Champagne

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMultiuser detectionComputer scienceSingle antenna interference cancellationMinimum mean square errorCode division multiple accessBeamformingInterference (communication)Bit error rateMatched filterElectronic engineeringBandwidth (computing)Space-division multiple accessTelecommunications linkReal-time computingAlgorithmComputer networkTelecommunicationsEngineeringMathematicsStatisticsDecoding methods

Résumé

récupéré en direct d'OpenAlex

The arrival of new data services for wireless mobile communications requires an efficient use of the available bandwidth. Interference-limited cellular systems based on code-division multiple access (CDMA) can benefit from multiuser detection (MUD) and beamforming with antenna array to reduce multiple-access interference. Group-based techniques have been proposed to reduce the complexity of space-time MUD and have been shown to provide a performance-complexity tradeoff between matched filtering and full MUD. In this paper, the intergroup interference, which is a limiting factor in group-based systems, is reduced using multistage parallel interference cancellation after group-based minimum mean square error (MMSE) linear filtering. In addition, the extra resources that are available at the receiver are exploited by sharing users among groups. The proposed receiver is shown to converge, as the number of stages increases, to the full space-time MMSE linear MUD filter. The results show that the new approach provides bit error rate (BER) performance close to the full MUD receiver at a fraction of the complexity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetWireless Communication Networks ResearchTravaux en français237 207