MétaCan
Menu
Retour à la cohorte
Enregistrement W2350415793

Performance research on a low rate of LDPC codes in LTE-advanced

2010· article· en· W2350415793 sur OpenAlexaff
Mii Key

Notice bibliographique

RevueElectronic Test · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueError Correcting Code Techniques
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesnon disponible
Mots-clésLow-density parity-check codeTurbo codeSerial concatenated convolutional codesConcatenated error correction codeComputer scienceAlgorithmLinear codeConstruct (python library)Block codeDecoding methodsComputer engineeringComputer network
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

By analyzing the basal construct rule of LDPC Code check matrix in LTE-Advanced system, adopt to a flexible extension method to construct a low rate of LDPC codes, for the matrix does not change the master code. Then, this paper put to use a very practical coding algorithms and differential decoding algorithm, compared the performance of the LDPC code and Turbo code in MATLAB simulation platform. The results showed that: In the case of short codes, the performance of LDPC was slightly lower than Turbo codes under low SNR. But as the SNR increases, LDPC code is superior to Turbo codes; In the case of long codes, the performance of LDPC codes is obvious better than Turbo codes. This paper provides an effective coding and decoding algorithm scheme for hardware design in LTE-Advanced, having some practical value.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,332
Écart entre enseignants0,311 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectronic TestMême sujetError Correcting Code TechniquesTravaux en français237 207