MétaCan
Menu
Retour à la cohorte
Enregistrement W2148197013 · doi:10.1109/lsp.2003.819855

A Fast Adaptive Algorithm for MMSE Receivers in DS-CDMA Systems

2004· article· en· W2148197013 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Signal Processing Letters · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensQueen's UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésCode division multiple accessComputer scienceAlgorithmSingle antenna interference cancellationMinimum mean square errorInterference (communication)Convergence (economics)Iterative methodOverhead (engineering)Base stationLeast mean squares filterAdaptive filterFilter (signal processing)Multiuser detectionAdaptive algorithmMathematicsChannel (broadcasting)TelecommunicationsDecoding methodsStatistics

Résumé

récupéré en direct d'OpenAlex

In this letter, we consider the application of an iterative interference cancelation (IC) scheme to improve the speed of convergence of the adaptive minimum mean-squared error (MMSE) receiver for the reverse-link of a direct-sequence code-division multiple-access (DS-CDMA) system. Our aim is to reduce the overhead introduced during the receiver's training period. This will be achieved using an iterative interference cancelation algorithm such as the parallel interference cancelation (PIC) algorithm. The proposed iterative algorithm makes use of the available knowledge of all users' training sequences at the base-station receiver to jointly cancel multiple-access interference (MAI) and adapts to the MMSE optimum filter taps using the combined adaptive MMSE/PIC receiver. We employ the proposed iterative algorithm to both the least mean square and the recursive least squares algorithms where we show that a significant improvement in terms of convergence speed is achieved. Moreover, we demonstrate the near-far resistance of the proposed receiver.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil0,821

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,278
Écart entre enseignants0,244 · 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