Average SER Analysis for Layered Division Multiplexing System with Index Modulation
Notice bibliographique
Résumé
A novel Layered Division Multiplexing (LDM) With Index Modulation (LDM-IM) system is proposed in this paper. It employs the Index Modulation (OFDM-IM) technology to enhance the transmission performance of the original LDM system by transmitting extra bits through the Orthogonal Frequency Division Multiplexing (OFDM) subcarriers indices. The proposed system is based on a two-layer, Upper Layer (UL) and Lower Layer (LL), LDM system that serves two independent data services for at least two User Equipment(s) (UE) simultaneously. Besides this, by exploiting the Index Modulation (IM), each UE can receive the extra bits by decoding the subcarriers activation patterns. To map the extra bits to the subcarriers, a simple random codebook is designed in the proposed system based on the concept of OFDM-IM. To proof the availability and reliability of the proposed system, two metrics are chosen to evaluate the system performance, the average Symbol Error Rate (SER) and the transmission rate. In this paper, the architecture of the proposed system is introduced firstly. After that, the average SER of it is analyzed and verified by the Monte Carlo simulation. Finally, the transmission rate of the proposed system and the original LDM system is compared and evaluated.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».