MétaCan
Menu
Retour à la cohorte
Enregistrement W2172206609 · doi:10.1109/icc.2008.841

A Comparison of Rateless Codes at Short Block Lengths

2008· article· en· W2172206609 sur OpenAlexaff
Hui Li, Ian Marsland

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueError Correcting Code Techniques
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésLow-density parity-check codeRaptor codeComputer scienceBlock codeAlgorithmFountain codeConcatenated error correction codeTurbo codeQuadrature amplitude modulationLuby transform codeDecoding methodsBit error rate

Résumé

récupéré en direct d'OpenAlex

Raptor codes and rate-compatible low-density parity-check (RC-LDPC) codes have drawn much attention in recent years as they can approach channel capacity without requiring channel information at the transmitter. Raptor codes have been shown to uniformly approach the binary-input AWGN channel capacity, especially at low SNR's, whereas RC-LDPC codes have the potential to provide higher throughput than Raptor codes at high SNR's. In this paper, we use different message word sizes to compare the throughput of three rateless codes, namely, Raptor codes, rate-compatible irregular repeat-accumulate (RC-IRA) codes, and the rate-compatible quasi-cyclic LDPC (RC/QC-LDPC) codes proposed in the 3GPP2 and 802.20 standards. The comparison is focused on short message word lengths under 16-symbol quadrature amplitude modulation (16-QAM). The simulation results in the AWGN channel show that RC-IRA and RC/QC-LDPC codes outperform Raptor codes at high SNR's. Under frequency flat Rayleigh fading channels, RC-IRA codes outperform RC/QC-LDPC codes at high SNR's and perform slightly worse at low SNR's. We also show that for short block lengths, the throughput of RC-IRA codes is not particularly sensitive to the mother code rate, the belief propagation (BP) algorithm scheduling, the existence of parallel edges during check node combining, and the symbol degree distribution (for fixed average left degree).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,064
Tête enseignante GPT0,338
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations16
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetError Correcting Code TechniquesTravaux en français237 207