MétaCan
Menu
Retour à la cohorte
Enregistrement W2149975887 · doi:10.1109/wts.2007.4563300

Finite wordlength design for FFT/IFFT in UWB-OFDM systems

2007· article· en· W2149975887 sur OpenAlexaff
A. Ghassemi, T. Aaron Gulliver

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Filter Design and Implementation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésOrthogonal frequency-division multiplexingFast Fourier transformComputer scienceTransceiverElectronic engineeringAlgorithmWirelessEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Orthogonal frequency division multiplexing (OFDM) has been proposed for use in ultra-wideband (UWB) communication systems. In a UWB-OFDM transceiver, resource efficient FFT/IFFT hardware is a necessity due to minimal silicon area and low power requirements. Resource requirements can be reduced by using finite precision arithmetic in the FFT/IFFT algorithms. However, this introduces round-off and overflow noise, resulting in a degradation in BER performance. To address this problem, the finite precision arithmetic and wordlengths should be optimally designed at every stage of the FFT/IFFT. In this paper, we first present a mixed-radix FFT/IFFT algorithm for a UWB-OFDM transceiver with low multiplicative complexity. A round-off noise propagation model is derived and used to determine the optimal wordlength of the outputs and twiddle factors at each stage. The performance of the resulting system is compared to that with infinite precision arithmetic.

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 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 enseignants0,915
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,080
Tête enseignante GPT0,306
Écart entre enseignants0,226 · 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 tête enseignante, 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
GenreMéthodes

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

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Filter Design and ImplementationTravaux en français237 207