MétaCan
Menu
Retour à la cohorte
Enregistrement W2154118207 · doi:10.1109/twc.2009.080229

Multiuser decorrelator detectors in MIMO CDMA systems over Nakagami fading channels

2009· article· en· W2154118207 sur OpenAlexaff
Ariel Lionel Sacramento, Walaa Hamouda

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFadingNakagami distributionComputer scienceMultiuser detectionMIMOCode division multiple accessPhase-shift keyingBit error rateTelecommunications linkElectronic engineeringFading distributionDiversity schemeAlgorithmTelecommunicationsRayleigh fadingDecoding methodsChannel (broadcasting)Engineering

Résumé

récupéré en direct d'OpenAlex

Space-time spreading has been employed to exploit the spatial diversity in multiple-input multiple-output (MIMO) code-division multiple-access (DS-CDMA) systems. In the presence of multiuser interference, resulting from the cross-correlation between users' code sequences, the full system diversity cannot be achieved when using the conventional matched receiver. In this paper we investigate the performance of space-time spreading (STS) and transmit diversity in the uplink of a MIMO DS-CDMA system over Nakagami-m fast-fading channels. The space-time system employs N = 2 transmit antennas and L receive antennas at the user side and base-station, respectively. We analyze the performance of the system when a linear decorrelator detector is employed to mitigate the effect of multiuser interference. In our analysis, we start by finding the probability density function (pdf) of the signal-to-interference ratio (SINR) at the output of the space-time combiner. Using this pdf, we derive a closed form expression for the bit-error rate (BER) for binary phase-shift keying (BPSK) transmission. The accuracy of the derived pdf and BER expression are verified using simulations, for different values of fading figure m and number of users.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,795
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,270
Écart entre enseignants0,249 · 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.

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

Citations7
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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