MétaCan
Menu
Retour à la cohorte
Enregistrement W2809399383 · doi:10.1109/tsp.2018.2844222

Joint Carrier Frequency Offset and Doubly Selective Channel Estimation for MIMO-OFDMA Uplink With Kalman and Particle Filtering

2018· article· en· W2809399383 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCarrier frequency offsetKalman filterComputer scienceOrthogonal frequency-division multiplexingAlgorithmMIMOMinimum mean square errorTelecommunications linkOrthogonal frequency-division multiple accessChannel (broadcasting)Cramér–Rao boundControl theory (sociology)Frequency offsetMathematicsEstimation theoryTelecommunicationsStatisticsArtificial intelligenceEstimator

Résumé

récupéré en direct d'OpenAlex

This paper presents two novel approaches for joint carrier frequency offset (CFO) and doubly selective channel estimation in the uplink of multiple-input multiple-output orthogonal frequency division multiple access (MIMO-OFDMA) systems. Considering high-mobility situations, where channels change within one OFDMA symbol interval, and the time varying nature of CFOs, basis expansion modeling (BEM) is employed to represent the time variations of the channel. Two new approaches are then proposed based on Schmidt-Kalman filtering (SKF). The first approach utilizes Schmidt-extended Kalman filtering for each user to estimate CFO and BEM coefficients. The second approach uses Gaussian particle filtering along with SKF to estimate CFO and BEM coefficients of each user. The Bayesian Cramér-Rao bound is derived, and the performances of the new schemes are evaluated using the mean square errors. It is demonstrated that the new approaches can significantly improve the mean-square error performance in comparison with the existing methods.

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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil0,616

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 Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,237 · 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