MétaCan
Menu
Retour à la cohorte
Enregistrement W2137048573 · doi:10.1109/tcomm.2010.01.060685

LDPC code design considerations for non-uniform channels

2010· article· en· W2137048573 sur OpenAlexaff
Ali Sanaei, Masoud Ardakani

Notice bibliographique

RevueIEEE Transactions on Communications · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueError Correcting Code Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLow-density parity-check codeConcatenated error correction codeTransmitterDecoding methodsComputer scienceChannel capacityChannel (broadcasting)Theoretical computer scienceCode (set theory)Block codeLinear codeTurbo codeInteger programmingForward error correctionAlgorithmTelecommunications

Résumé

récupéré en direct d'OpenAlex

Irregular low-density parity-check (LDPC) code design for parallel sub-channels with different qualities is investigated. Such channels appear in many communication systems, e.g., orthogonal frequency-division multiplexing systems. When channel knowledge is available at both the transmitter and receiver, following the literature, we consider allotted LDPC codes which carefully assign different parts of the code to sub-channels. To reduce the number of design parameters and allow for efficient design, semi-regular allotted codes have been suggested. We first formulate the design of semi-regular codes as a mixed integer linear programming. Relaxing the semi-regularity constraint broadens the search space which results in improved codes and also a more efficient design via linear programming. While information theoretic results suggest that having channel state information-for a fixed power assignment-does not change the capacity, we show that under non-optimal decoding or when the maximum degree allowed in the code is small, allotted codes significantly outperform conventional ones. Finally, for the case that neither side has the channel knowledge (thus capacity-loss is inevitable), we see that the reduced capacity can still be approached by LDPC codes.

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)0,006
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,087
Tête enseignante GPT0,325
Écart entre enseignants0,238 · 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
GenreMéthodes

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

En bref

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetError Correcting Code TechniquesTravaux en français237 207