Notice bibliographique
Résumé
The purpose of this thesis, is to derive and evaluate the performance of noncoherent, maximum likelihood receivers with improved performance, for trellis coded PSK and QAM type signals, transmitted over Rician, correlated, fast, frequency non-selective and frequency selective fading channels, with and without diversity. First we derive the optimal, in the maximum likelihood detection sense, receiver structure for frequency non-selective Rician fading channels, employing diversity reception. In order to reduce the complexity of the optimal receiver, we propose and evaluate the performance of suboptimal receiver structures, which show significant performance improvements as compared to conventional techniques. Investigation of the effects on performance of the proposed algorithms, due to imperfect statistical knowledge of the fading channel typical for a real life environment, demonstrates very small sensitivity even to large errors in estimates of channel parameters. Complementing our work in frequency non-selective fading, we derive the optimal, in the maximum likelihood detection sense, receiver, for the correlated, fast, frequency selective Rician fading channel. In the interest of system simplicity, we propose and evaluate reduced complexity versions of the decoding algorithms. The impact of simplifying assumptions in the theoretical derivation, as well as the receiver sensitivity to non ideal channel knowledge, is investigated. The results show significant performance improvements over the fastest known channel equalization technique, accompanied by small sensitivity to imperfections. Last, we derive analytical performance bounds for simplified versions of the optimal diversity receiver, for frequency non-selective, Rician fading channels. The tightness and accuracy of the bounds is verified, through the excellent agreement between computer simulation results, and bound calculation. Performance evaluation demonstrates significant improvements, approaching the effectiveness of coherent detection in AWGN, even with a relatively small diversity order, for Rician, as well as shadowed EHF fading channels.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».