Parallel-Trellis Turbo Equalizers for Sparse-Coded Transmission over SISO and MIMO Sparse Multipath Channels
Notice bibliographique
Résumé
This paper describes a low-complexity turbo equalizer for coded sparse multipath channels whose length can span hundreds of symbol intervals. First, for single-input-single-output (SISO) systems, an existing parallel-trellis framework, which consists of a bank of identical regular trellises, is exploited to construct the maximum a posteriori (MAP) equalizer in the turbo equalizer. This MAP equalizer, when combined with prefiltering, can equalize a broad selection of sparse multipath channels, including those with nonminimum phase, by using only M-state trellises, where M is the constellation size. For multiple-input-multiple-output (MIMO) systems, a MIMO prefilter and a bank of M-state parallel-trellis MAP equalizers are deployed according to a layering structure. The total number of states needed is only NTM, where NTis the number of transmit antennae. For both SISO and MIMO systems, a class of binary convolutional and turbo codes having sparse generator polynomials are chosen as the coding schemes. These codes partially integrate channel interleaving with encoding, which allows a simple channel interleaver with low latency and memory storage requirement to be employed. The MAP decoders for these codes can also be implemented with the same parallel-trellis framework as the MAP equalizers. Overall, parallel processing is supported throughout the turbo equalizers. The amount of computational time reduction when compared to a turbo equalizer using a single-trellis MAP equalizer and decoder is proportional to the number of trellises in the parallel-trellis MAP equalizer and decoder. The performance of the parallel-trellis turbo equalizers is evaluated on static and Rayleigh fading sparse multipath channels via Monte Carlo simulations
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».