MétaCan
Menu
Retour à la cohorte
Enregistrement W3003692247 · doi:10.29007/br13

Average SER Analysis for Layered Division Multiplexing System with Index Modulation

2019· paratext· en· W3003692247 sur OpenAlexaff
Hequn Zhang, Yue Zhang, Gaojie Chen, Yiyan Wu, Xun Zhang, Jintao Wang, John Cosmas

Notice bibliographique

RevueEasyChair preprint · 2019
Typeparatext
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensCommunications Research Centre Canada
Organismes subventionnairesnon disponible
Mots-clésOrthogonal frequency-division multiplexingComputer scienceModulation (music)Transmission (telecommunications)CodebookReliability (semiconductor)Transmission systemElectronic engineeringBit error rateAlgorithmDecoding methodsChannel (broadcasting)TelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

A novel Layered Division Multiplexing (LDM) With Index Modulation (LDM-IM) system is proposed in this paper. It employs the Index Modulation (OFDM-IM) technology to enhance the transmission performance of the original LDM system by transmitting extra bits through the Orthogonal Frequency Division Multiplexing (OFDM) subcarriers indices. The proposed system is based on a two-layer, Upper Layer (UL) and Lower Layer (LL), LDM system that serves two independent data services for at least two User Equipment(s) (UE) simultaneously. Besides this, by exploiting the Index Modulation (IM), each UE can receive the extra bits by decoding the subcarriers activation patterns. To map the extra bits to the subcarriers, a simple random codebook is designed in the proposed system based on the concept of OFDM-IM. To proof the availability and reliability of the proposed system, two metrics are chosen to evaluate the system performance, the average Symbol Error Rate (SER) and the transmission rate. In this paper, the architecture of the proposed system is introduced firstly. After that, the average SER of it is analyzed and verified by the Monte Carlo simulation. Finally, the transmission rate of the proposed system and the original LDM system is compared and evaluated.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationlow
gptaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationlow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique · Méthodes

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEasyChair preprintMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207