A simple remedy for the exaggerated extrinsic information produced by the SOVA algorithm
Notice bibliographique
Résumé
In this paper, we propose a novel and simple approach for dealing with the exaggerated extrinsic information produced by the soft-output Viterbi algorithm (SOVA). The proposed remedy is based on mathematical analysis and it involves using two attenuators, one applied to the immediate output of the SOVA and another applied to the extrinsic information before it is passed to the other decoder (assuming iterative decoding). The use of these attenuators aims at reducing the inherent strong correlation between the intrinsic information (input to the SOVA) and extrinsic information (output of the SOVA). We examine the modified SOVA (MSOVA) on additive white Gaussian noise (AWGN) and flat fading channels for parallel concatenated codes (PCCs) and serial concatenated codes (SCCs). We show that the MSOVA provides substantial performance improvements over both channels. For example, it provides improvements of about 0.8 to 1.0 dB at P/sub b/ = 10/sup -5/ in AWGN, and about 1.4 to 2.0 dB at P/sub b/ = 10/sup -5/ on fading channels. We also show that there are cases where the MSOVA is superior to the a posteriori probability (APP) algorithm. With this motivation, we extend the proposed modification to the APP algorithm with favorable results. We demonstrate that the modified APP (MAPP) provides performance improvements between 0.3 to 0.6 dB at P/sub b/ = 10/sup -5/ relative to the APP. We lastly mention that the proposed modifications, while they provide considerable performance improvements, keep the complexity of these decoders almost the same, which is remarkable.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».