Analysis and Comparison of Several Mitigation Techniques for Middleton Class-A Noise
Notice bibliographique
Résumé
Impulsive noise is a common impediment in many wireless, power line communication (PLC), and smart grid communication systems that prevents the system from achieving error-free transmission. In this paper, we compare and analyze several impulsive noise mitigation techniques for Middleton class-A noise considering single carrier modulation with low-density parity-check (LDPC) coded transmission. For this, we investigate the widely used non-linear methods such as clipping, blanking, and combined clipping/blanking to mitigate the noxious effects of impulsive noise. Although, the performance of these techniques are widely acknowledged for simple Bernoulli-Gaussian impulsive noise mitigation in case of orthogonal frequency division multiplexing (OFDM)-based multi-carrier communication systems, their mitigation capabilities in regards to Middleton class-A noise remains unknown. We further investigate the log-likelihood ratio (LLR)-based impulsive noise mitigation. Simulation results are provided to highlight the robustness of the LLR-based mitigation scheme over simple clipping/blanking schemes for the considered scenario. Moreover, our results show that while clipping performs better than blanking for Bernoulli-Gaussian noise, the later shows better performance in case of Middleton class-A noise.
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 ».