Closed-Form CRLBs for the SNR Estimates from Turbo-Coded PAM- and Rectangular-QAM-Modulated Signals
Notice bibliographique
Résumé
In this paper, we consider the problem of signal-to-noise ratio (SNR) estimation from turbo-coded (TC) PAM and rectangular-QAM (RQAM) modulated signals over flat-fading channels. We derive for the first time closed-form expressions for the Cramer-Rao lower bounds (CRLBs) of the SNR estimates. We exploit the structure of the binary-reflected-Gray-code (BRGC) for bits-to-symbols mapping, so that the likelihood function (LF) becomes factorized into a sum of two simple terms. This factorization allows the linearization of the log-likelihood function (LLF), which allowed us to carry the derivation of the Fisher Information Matrix (FIM) elementsanalytically, and derive the code aided (CA) SNR CRLB in closed-form (CF). These new CF expressions corroborate the CA bounds established previously in the particular case of square-QAM constellations. They finally tackle the new problem never addressed until now of CA SNR estimation from PAM/RQAM signals. In the low-to-medium SNR level, the new CRLBs for the CA estimates of the SNR range between their respective CRLBs in the non-data-aided (NDA) and data-aided (DA) scenarios, thereby highlighting and quantifying the advantage of CA estimation against the NDA. In high SNR, they coincide with the DA CRLB. These bounds also confirm the increase in estimation accuracy achievable by decreasing the coding rate.
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 | 0,004 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».