MétaCan
Menu
Retour à la cohorte
Enregistrement W2142813958 · doi:10.1109/tcomm.2010.083110.090070

Lower Bounds to the Performance of Bit Synchronization for Bandwidth Efficient Pulse-Shaping

2010· article· en· W2142813958 sur OpenAlexaff
Amin Emad, Norman C. Beaulieu

Notice bibliographique

RevueIEEE Transactions on Communications · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSynchronizerUpper and lower boundsIntersymbol interferenceAlgorithmSynchronization (alternating current)Pulse-amplitude modulationBandwidth (computing)MathematicsComputer scienceCramér–Rao boundDecoding methodsPulse (music)Control theory (sociology)Topology (electrical circuits)TelecommunicationsDetectorCombinatorics

Résumé

récupéré en direct d'OpenAlex

Bandwidth efficient signaling requires using pulse-shaping that inherently has intersymbol interference (ISI) except when the timing is perfect. Several lower bounds to the mean-square-error (MSE) of non-data-aided bit-synchronizers are derived for this case. The optimal lower bound is derived using the maximum likelihood (ML) criterion for a sequence of binary pulse amplitude modulated pulses in the presence of ISI and Gaussian noise. This lower bound is used as a benchmark to evaluate the performance of other synchronizers in a practical scenario. It is shown that a previous lower bound based on the ISI-free ML synchronizer cannot be used to lower bound the MSE of bit-synchronizers. A detection theory bound (DTB) (also called Ziv-Zakai bound) is applied to the symbol timing recovery problem in the presence of ISI and it is shown that this bound is a tight lower bound on the MSE of the ML synchronizer. A simple lower bound on this DTB is derived and it is shown that the simple bound is almost as tight as the well known modified Cramer-Rao bound (MCRB) at moderate values of SNR, while it does not suffer from the shortcomings of the MCRB at small values of SNR.

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)0,007
score de la tête « metaresearch » (Gemma)0,044
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,044
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,021
Tête enseignante GPT0,270
Écart entre enseignants0,250 · 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
GenreEmpirique

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

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207