On the performance of adaptive hybrid MQAM–MPPM scheme over Nakagami and log-normal dynamic visible light communication channels
Notice bibliographique
Résumé
In this paper, we introduce the idea of using adaptive hybrid modulation techniques to overcome channel fading effects on visible light communication (VLC) systems. A hybrid M -ary quadrature-amplitude modulation ( M Q A M ) and multipulse pulse-position modulation (MPPM) technique is considered due to its ability to make gradual changes in spectral efficiency to cope with channel effects. First, the Zemax optics studio simulator is used to simulate dynamic VLC channels. The results of Zemax show that Nakagami and log-normal distributions give the best fitting for simulation results. The performance of M Q A M –MPPM is analytically investigated for both Nakagami and log-normal channels, where we obtain closed-form expressions for the average bit-error rate (BER). The optimization problem of evaluating the hybrid modulation technique settings that lead to the highest spectral efficiency under a specific channel status and constraint of outage probability is formulated and solved using an exhaustive search. Our results reveal that the adaptive hybrid scheme improves system spectral efficiency compared to ordinary QAM and MPPM schemes. Our results reveal that the adaptive hybrid scheme improves system spectral efficiency compared to ordinary QAM and MPPM schemes. Specifically, at low average transmitted power, − 32 d B m , the adaptive hybrid scheme shows 280% improvement in spectral efficiency compared to adaptive versions of ordinary schemes. At higher power, − 20 d B m , 6.5% and 725% improvement are obtained compared to ordinary QAM and ordinary MPPM, respectively. Also, the adaptive hybrid scheme shows great improvement in average BER and outage probability compared to ordinary schemes. The hybrid scheme shows 28%, 34%, and 38% improvement, respectively, for m = 1 , 2 , 3 for Nakagami channels at B E R = 10 − 3 . Also, the outage probability of hybrid schemes of B E R = 10 − 3 shows 30% and 14% better performance than ordinary M Q A M and MPPM schemes, respectively.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».