Adaptive Hybrid ARQ Systems With BCJR Decoding
Notice bibliographique
Résumé
We propose and evaluate a novel method of constructing Hybrid Automatic Repeat reQuest (HARQ) systems using the specific properties of the Bahl, Cocke, Jelinek, and Raviv (BCJR) error-correcting algorithm. Because the convergence to the actual codeword is not always guaranteed with the BCJR approach, we propose a system in which two different types of Negative AcKnowledgement messages (NAKs) are employed. The first type is the conventional 1-bit NAK, and the second type specifies retransmission pattern in such a way that the additional parity bits are concentrated on the parts of the code trellis that did not converge to a valid sequence. This is different from the traditional construction of rate-compatible punctured codes (RCPCs), which attempts to obtain the optimal weight distance properties of the codes without taking the convergence properties of the BCJR decoder into account. We demonstrate the performance of the algorithm using RCPCs, and we show that our system outperforms the best known conventional HARQ scheme in terms of the throughput and the average length of retransmitted blocks on practical Gaussian, Rayleigh, and thresholded Rayleigh channels. Moreover, as opposed to other adaptive HARQ algorithms, our solution requires no precomputed lookup tables, and it is robust to changes in the channel characteristics and only introduces moderate increase in feedback link throughput requirements.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».