MétaCan
Menu
Retour à la cohorte
Enregistrement W2609937295 · doi:10.1049/iet-com.2016.1439

Sparse inverse fast Fourier transform‐based channel estimation for millimetre‐wave vector orthogonal frequency division multiplexing systems

2017· article· en· W2609937295 sur OpenAlexaff
Qi Feng, Haibo Zhou, Kanglian Zhao, Naitong Zhang

Notice bibliographique

RevueIET Communications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésFourier transformComputer scienceInverseDiscrete Fourier transform (general)Division (mathematics)Orthogonal frequency-division multiplexingChannel (broadcasting)AlgorithmMultiplexingFractional Fourier transformTelecommunicationsMathematicsFourier analysisMathematical analysisArithmetic

Résumé

récupéré en direct d'OpenAlex

Millimetre‐wave propagation is a promising broadband transmission technology for future fifth generation mobile communication systems. For a vector orthogonal frequency division multiplexing system, the authors investigate the millimetre‐wave propagation through a sparse multipath channel in a sense that it has a large time delay spread but with only a few non‐zero taps. By exploiting the sparse nature of millimetre‐wave channel, any sparse multipath channel can be characterised by the multipath delays and their corresponding channel coefficients. They first study an ideal case that the pilot signals are transmitted through a sparse channel without noise, and an exactly sparse inverse fast Fourier transform (SIFFT) algorithm is performed to estimate the non‐zero channel taps with reduced complexity. Then, they consider a more practical scenario that the pilot signals through a sparse channel with noise interference, and an approximately SIFFT algorithm is employed to estimate the effective channel taps, while the remaining small coefficients interfered by noise can be wiped out. Through numerical analysis, they demonstrate that the proposed SIFFT algorithms can reduce the computational complexity while keeping the root mean squared error of channel estimation at a low level.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
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 Opus0,072
Tête enseignante GPT0,307
Écart entre enseignants0,235 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET CommunicationsMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207