Bi-directional soft-output M-algorithm for iterative decoding
Notice bibliographique
Résumé
A method to produce soft-outputs is proposed for the M-algorithm. The soft-output M-algorithm (SOMA) reduces the complexity of trellis decoding by retaining only M states per trellis depth. Its complexity increases with M rather than with the number of states in the trellis. We also propose an improved SOMA that is based on bi-directional decoding. The performance of the SOMA and the bi-directional SOMA (bi-SOMA) are assessed in decoding a turbo code and in turbo equalization. Simulation results show negligible performance loss when a 16-state turbo code is decoded by the SOMA with M = 12. For turbo equalization, near-optimal performance can be achieved by retaining only a small number of equalizer states as long as the. number of states retained by the decoder is sufficiently large. For a BPSK turbo equalization system with 16 states in both trellises, a SOMA-equalizer with M = 4 and a bi-SOMA decoder with M = 8 suffices. For a QPSK system with 256 equalizer states and 16 decoder states, a SOMA-equalizer with M = 16 and a SOMA-decoder with M = 12 suffices.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».