Hybrid Digital-Analog Coding of Memoryless Gaussian Sources over AWGN Channels with Bandwidth Compression
Notice bibliographique
Résumé
We present a low-complexity and low-delay joint source-channel coding method for bandwidth compression using a hybrid digital-analog (HDA) coding/modulation system based on the recent work in Skoglund, M et al., (2005), Analytical optimal distortion expressions (under both matched and mismatched channel conditions) are obtained for the proposed HDA system with a linear analog part for a memoryless Gaussian source and additive white Gaussian noise (AWGN) channel under the mean squared error distortion measure. We consider two HDA coding schemes, both of which employ a vector quantizer cascaded with binary phase-shift keying (BPSK) modulation in the digital part, but differ in that they use linear (resp. non-linear) coding with pulse amplitude modulation (PAM) in the analog part. We derive an optimal power allocation scheme for the system with linear analog coding and present performance comparisons with purely analog and purely digital systems. Simulation results show that, under linear analog coding, the proposed scheme outperforms the medium to high channel signal-to-noise ratios (CSNRs). Furthermore, the performance of the HDA scheme with the linear analog part is within 1 dB of the optimal distortion bound for the mismatched HDA system for high CSNRs; for the scheme with non-linear analog coding, the performance can be improved at high CSNRs
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».