MétaCan
Menu
Retour à la cohorte
Enregistrement W2997803101 · doi:10.1109/lcomm.2019.2962773

Approximating Ergodic Mutual Information for Mixture Gamma Fading Channels With Discrete Inputs

2019· article· en· W2997803101 sur OpenAlexaff
Chongjun Ouyang, Sheng Wu, Chunxiao Jiang, Julian Cheng, Hongwen Yang

Notice bibliographique

RevueIEEE Communications Letters · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesBeijing University of Posts and TelecommunicationsNational Natural Science Foundation of China
Mots-clésFadingFading distributionNakagami distributionChannel state informationRayleigh fadingComputer scienceErgodic theoryAlgorithmWirelessTopology (electrical circuits)MathematicsElectronic engineeringTelecommunicationsEngineeringDecoding methods

Résumé

récupéré en direct d'OpenAlex

To evaluate the performance of wireless multi-path channels with discrete inputs, this letter investigates the ergodic mutual information (EMI) of a generalized fading type named mixture gamma distribution (MGD) under M-ary quadrature amplitude modulation (M-QAM) signaling. An accurate closed-form expression for the EMI is developed to approximate the exact value. The MGD fading can be specialized into several regularly used fading cases including Rayleigh fading, Nakagami-m fading, η - μ fading, κ - μ fading, and K <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">G</sub> fading, and then the corresponding closed-form EMI formulas are separately derived to measure these fadings. Compared with the Gaussian source signals based research on MGD fading, this work sheds light on the performance with discrete inputs instead of Gaussian inputs, thereby being more practical. This study can be regarded as a unified tool to evaluate the EMI with discrete inputs over arbitrary wireless channels.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil0,878

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 ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207