MétaCan
Menu
Retour à la cohorte
Enregistrement W2941159701 · doi:10.1109/tcomm.2019.2910811

Optimizing Forward Error Correction Codes for COFDM With Reduced PAPR

2019· article· en· W2941159701 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 Communications · 2019
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensUltra Electronics (Canada)École de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOrthogonal frequency-division multiplexingForward error correctionComputer scienceElectronic engineeringError detection and correctionAlgorithmTelecommunicationsDecoding methodsChannel (broadcasting)Engineering

Résumé

récupéré en direct d'OpenAlex

Coded orthogonal frequency-division multiplexing (COFDM) is a popular modulation technique for wireless communication that guarantees reliable transmission of data over noisy wireless channels. However, a major disadvantage in implementing it is its resulting high peak to average power ratio (PAPR). Including forward error correction (FEC) in the orthogonal frequency division multiplexing (OFDM) system enables the avoidance of transmission errors. Nevertheless, the selected code may impact the value of PAPR. The objective of this paper is to analyze the impact of FEC on the PAPR for the COFDM system based on the autocorrelation of the signal, before the inverse fast Fourier transform (IFFT) block in the COFDM system, the evaluation of the complementary cumulative distribution function (CCDF) of PAPR, and the bit error rate (BER). The autocorrelation of the COFDM system is calculated based on a Markov chain model. From the results, we can reach a conclusion on the characteristics we need to consider in order to choose the codes relating to the PAPR performance in the COFDM system.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,891

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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,244 · 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