MétaCan
Menu
Retour à la cohorte
Enregistrement W2947190950 · doi:10.1109/access.2019.2919502

Multiple-Block Combined Decoding for Cell Search With Polar Codes

2019· article· en· W2947190950 sur OpenAlexaff
Xinyi Wang, Congzhe Cao, Ce Sun, Dai Jia, Zesong Fei

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueError Correcting Code Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesHigher Education Discipline Innovation ProjectNatural Science Foundation of Beijing MunicipalityNational Natural Science Foundation of China
Mots-clésBlock Error RateDecoding methodsComputer scienceAlgorithmList decodingSequential decodingBlock (permutation group theory)Encoding (memory)Transmission (telecommunications)Theoretical computer scienceBlock codeMathematicsConcatenated error correction codeTelecommunications

Résumé

récupéré en direct d'OpenAlex

Polar codes have been applied in many applications due to the excellent decoding performance as well as relatively low encoding and decoding complexity. In the cell search procedure for the fifth generation (5G) systems, part of the common information bits (CIBs) is transmitted in successive transmission blocks. In this paper, multiple-block combined decoding (MBCD) schemes are proposed for both non-systematic and systematic polar codes to enhance cell search. In the proposed MBCD schemes, the log-likelihood ratios (LLRs) of the CIBs are combined to improve the reliabilities of the corresponding sub-channels. The common information sets are further optimized. For both schemes, low-complexity optimization methods are proposed. Meanwhile, the closed-form expression of block error rate (BLER) performance is derived, which is verified by simulation results. The simulation results show that the proposed MBCD schemes can significantly improve the BLER performance, leading to a latency reduction in cell search.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,612

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 savante0,0000,001
Science ouverte0,0020,000
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 Opus0,034
Tête enseignante GPT0,309
Écart entre enseignants0,275 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetError Correcting Code TechniquesTravaux en français237 207