BER Analysis of WFRFT Precoded OFDM and GFDM Waveforms With an Integer Time Offset
Notice bibliographique
Résumé
In this paper, we investigate bit error rate (BER) performances of weighted-type fractional Fourier transform (WFRFT) precoded orthogonal frequency-division multiplexing (OFDM) and generalized frequency-division multiplexing (GFDM) waveforms with an integer time offset (TO) over additive white Gaussian noise and fading channels. First of all, theoretical BER expressions of hybrid carrier systems with TO are derived according to the linear combination characteristic of WFRFT. In addition, the fusion mechanism is also employed to calculate noise enhancement factor (NEF) of WFRFT precoded GFDM waveforms, and then analytical BER expressions are derived, including the cases with TO. Basically, analytical BER expressions of WFRFT precoded OFDM and GFDM waveforms are under the same framework, and BER of the latter could be simplified to the former when GFDM systems are reduced to OFDM systems. Through WFRFT precoding, the BER performance of GFDM waveforms could be improved by about 2 dB over fading channels with timing errors. Furthermore, using derived NEF of WFRFT precoded GFDM waveforms, theoretical BER expressions could be easily extended to space-time coded systems. Finally, when interblock interference and intercarrier interference are generated due to insufficient cyclic prefix and timing errors, BER performances of WFRFT precoded OFDM and GFDM waveforms also surpass their two special cases, i.e., nonprecoded and discrete Fourier transform precoded ones.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».