MétaCan
Menu
Retour à la cohorte
Enregistrement W2770717499 · doi:10.1109/access.2017.2772170

Design of High-SNR Multidimensional Constellations for Orthogonal Transmission in a Nakagami- ${m}$ Fading Channel

2017· article· en· W2770717499 sur OpenAlexafffund
Hossein Khoshnevis, Ian Marsland, Halim Yanıkömeroğlu

Notice bibliographique

RevueIEEE Access · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensCarleton University
Organismes subventionnairesOntario Ministry of Economic Development and Innovation
Mots-clésFadingNakagami distributionComputer scienceAlgorithmChannel (broadcasting)Transmission (telecommunications)ConstellationBit error rateConstellation diagramTelecommunicationsTopology (electrical circuits)MathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Finding the best signal constellation for different communication channels is one of the fundamental problems in digital communication. This problem has been studied widely from different angles and many methods have been proposed for designing good practical signal constellations. There has been a rejuvenated interest in designing good constellations during last decade, in part due to the advent of novel optimization techniques. Nevertheless, most of the recent work, similar to the older work in this area, aims to optimize the constellation within a presumed structure (such as points lying on concentric rings). In this paper, we develop a different approach: we aim to optimize constellations based on a Chernoff bound on the probability of error in the versatile Nakagami-m fading channel. We derive two general bounds on the symbol error rate and bit error rate performance of orthogonal transmission in a Nakagami-m fading channel for single-input single-output and orthogonal space-time block codes and we show that a substantial improvement in the error probability is achieved with the novel constellations that are optimized using these bounds.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,490

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,336
Écart entre enseignants0,268 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207