Efficient erasure marking technique for delay reduction in DSL systems impaired by impulse noise
Notice bibliographique
Résumé
Digital Subscriber Line (DSL) technologies have experienced rapid development. Protecting the DSL systems against Impulse Noise (IN) is an important issue and it has recently received considerable attention. A combination of Reed–Solomon (RS) codes and interleaving is used to mitigate the destructive effects of IN. However, it is shown that the interleaving structure introduces long delay, which is certainly undesirable in high-rate transmission systems supporting interactive applications such as Internet Protocol Television (IPTV). Different techniques have therefore been proposed to reduce the interleaving delay while still being able to effectively protect the systems from IN. In particular, Error and Erasure Decoding (EED) can be used instead of Error Decoding (ED) to improve the decoder correction capability, which in turn helps reducing the required interleaving depth and delay. To fully explore the error correction capacity of the EED, reliable erasure marking becomes essential. This thesis proposes an erasure marking technique that fully explores the correction capacity of the EED, and correspondingly, facilitates a shorter interleaving. We first study the sources that generate impulse noise and the statistics of impulse noise in DSL systems. Analytical models for the distribution of amplitude and inter-arrival time of impulse noise are also provided. Based on the statistics of impulse noise, a squared-distance based erasure marking technique is then proposed. Furthermore, analysis of selecting proper parameters for the proposed technique is developed. Finally, the Peak Signal-to-Noise Ratio (PSNR) performance of IPTV over DSL in presence of IN is investigated with the proposed erasure marking technique employed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».