A Low-Complexity Decision-Directed Channel-Estimation Scheme for OFDM Systems With Space–Frequency Diversity in Doubly Selective Fading Channels
Notice bibliographique
Résumé
In this paper, we propose a low-complexity decision-directed channel-estimation scheme, which offers improved performance for space-frequency-block-coded orthogonal frequency-division multiplexing (SFBC-OFDM) systems under doubly selective (i.e., frequency selective and fast fading) channels. First, we propose a square-root-free inverse-QR-decomposition-based groupwise recursive (SIQR-GR) channel-estimation algorithm employing sequences of scaled Givens rotations. The proposed SIQR-GR scheme recursively processes data decisions corresponding to the SFBC groups within each OFDM block to improve system performance under doubly selective channels. Furthermore, the avoidance of square roots and the utilization of scaled Givens rotations ensure that the proposed SIQR-GR scheme is computationally efficient. Second, we derive semianalytical expressions for the normalized mean square error (NMSE) performance of SIQR-GR and verify the accuracy of the NMSE analysis via numerical simulations. Finally, we provide performance and complexity comparisons between SIQR-GR and previously proposed schemes. These comparisons show an excellent performance-complexity tradeoff achieved by SIQR-GR over the previous solutions under various channel conditions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 0,000 |
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.
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 ».