Error-Rate Analysis for Bit-Loaded Coded MIMO-OFDM
Notice bibliographique
Résumé
Bit-loaded orthogonal frequency-division multiplexing (OFDM) with convolutional coding is a powerful technique for transmission over quasi-static frequency-selective fading channels. Further enhancements in data rate are achieved by combining loaded OFDM with multiple-input-multiple-output (MIMO) transmission. Motivated by the lack of appropriate error-rate analysis techniques for this popular type of transmission system, in this paper, we develop a novel analytical method for bit-error-rate (BER) and frame-error-rate (FER) estimation of bit-loaded coded OFDM and MIMO-OFDM systems using singular value decomposition (SVD), operating over frequency-selective quasi-static channels with nonideal interleaving. Then, we introduce three different applications of the proposed analysis. First, we compare the performance of several OFDM bit-loading schemes and propose a hybrid loading scheme that selects the best loading for each channel realization from a number of candidates. Second, we introduce three adaptive interleaving schemes: 1) selecting the best interleaver from a number of predefined interleavers; 2) a novel adaptive bit-interleaving algorithm based on the pairwise error probability; and 3) a spatial interleaving scheme for MIMO-OFDM-SVD systems with separate information sources. Third, we introduce an adaptive coded-modulation algorithm by using our BER and FER estimation techniques.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».