MétaCan
Menu
Retour à la cohorte
Enregistrement W2168896875 · doi:10.1109/milcom.1993.408605

Reduced state Viterbi receivers for digital mobile communications

2002· article· en· W2168896875 sur OpenAlexaff
B. Herscovici, Glenn Gulak

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Adaptive Filtering Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésViterbi algorithmComputer scienceViterbi decoderIterative Viterbi decodingSoft output Viterbi algorithmTime division multiple accessContext (archaeology)AlgorithmDigital radioElectronic engineeringTelecommunicationsDecoding methodsSequential decodingEngineering

Résumé

récupéré en direct d'OpenAlex

In the context of the new North American TDMA standard for digital cellular, the problem the authors seek to address is the design of an adaptive detector and differential phase decoder. The technique used in the design is that of maximum likelihood sequence estimation, implemented by use of the Viterbi algorithm. Two solutions are proposed, the shifted Viterbi receiver and the differential Viterbi receiver. Each can be implemented using current hardware technology, with the tradeoffs presented. Both architectures simplify the signal constellation at the input of the Viterbi detector. The behavior of the shifted Viterbi receiver and the differential Viterbi receiver was simulated under various SNR, with or without fading, with pseudorandom or correlated data patterns and with various LMS algorithm gain.< <ETX xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">&gt;</ETX>

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,370

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,252
Écart entre enseignants0,220 · 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'étudeSans objet
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

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Adaptive Filtering TechniquesTravaux en français237 207