MétaCan
Menu
Retour à la cohorte
Enregistrement W2157604952 · doi:10.1109/icc.2002.996853

A blind adaptive receiver for interference suppression and multipath reception in long-code DS-CDMA

2003· article· en· W2157604952 sur OpenAlexaff
A. Mirbagheri, Youngki Yoon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCode division multiple accessMinimum mean square errorAlgorithmMultipath propagationComputer scienceMultipath mitigationInitializationLeast mean squares filterInterference (communication)MathematicsChannel (broadcasting)Control theory (sociology)TelecommunicationsAdaptive filterStatistics

Résumé

récupéré en direct d'OpenAlex

This paper examines a blind adaptive implementation of a recently proposed linear minimum mean square error (LMMSE) receiver for code-division multiple-access (CDMA) systems with aperiodic spreading sequences in multipath channels. The receiver has been previously shown to perform multiple-access interference (MAI) suppression and multipath diversity combining. The adaptive implementation is based on a fractionally spaced equalizer (FSE) whose taps are updated by the leaky constant modulus algorithm (LCMA) in the cold start and the decision-directed least-mean-square (DD-LMS) algorithm when the channel eye is opened. The LCMA adds a quadratic constraint, defined as the squared norm of the FSE weight vector, to the constant modulus (CM) cost function. Simulation results show that the LCMA with a uniform initialization strategy (all taps equally set to a small non-zero value) acquires all paths associated with the desired user, suppresses MAI, and opens the channel eye for the DD-LMS algorithm to converge to the proximity of the MMSE solution.

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 enseignants0,966
Score d'incertitude au seuil0,393

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 ouverte0,0010,000
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 Opus0,072
Tête enseignante GPT0,334
Écart entre enseignants0,262 · 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

Citations6
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Networks ResearchTravaux en français237 207