Bit Error Probability and Computational Complexity of Bi-directonal Fano Multiple Symbol Differential Detectors
Notice bibliographique
Résumé
We present in the paper a suboptimal multiple-symbol differential detector (MSDD) for differential PSK (DPSK) in Rayleigh flat fading channel that uses the Fano Algorithm as its decoding engine. In contrast to a conventional Fano decoder that only searches forward in time for the most promising transmitted pattern, our Fano decoder searches also in the reverse direction, thus providing a mechanism for error detection and correction. The resultant detector, termed a Bi-Fano MSDD, is capable of delivering excellent error performance at moderate implementation complexity over a wide range of signal-to-noise ration (SNR) and fading rates. As an example, for DQPSK modulation and a Doppler frequency of 3 percent the symbol rate, our Bi-Fano MSDD attains almost the same bit-error probability (BEP) performance as the sphere decoder (an efficient implementation of the optimal MSDD) and there is no noticeable irreducible error floor. The most interesting thing is that the computational complexity of the Bi-Fano MSDD is a very stable function of the SNR. In contrast, the sphere decoder has a complexity that grows exponentially as the SNR decreases. In conclusion, the Bi-Fano MSDD incorporates the desirable attributes of the sphere decoder and the DF-DD into one single embodiment. This is consistent with the observation that the Fano decoder is essentially an intelligent DF-DD that uses the accumulated path metric and a running threshold to guide its movement along the decoding tree
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».