MétaCan
Menu
Retour à la cohorte
Enregistrement W3120362878 · doi:10.36227/techrxiv.13571078.v1

On A Class of Time-Varying Gaussian ISI Channels

2021· preprint· en· W3120362878 sur OpenAlexaff
Kamyar Moshksar

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueWireless Communication Security Techniques
Établissements canadiensColumbia College
Organismes subventionnairesnon disponible
Mots-clésMathematicsUpper and lower boundsGaussianMatrix (chemical analysis)Intersymbol interferenceAdditive white Gaussian noiseCombinatoricsEigenvalues and eigenvectorsTopology (electrical circuits)Mathematical analysisAlgorithmDecoding methodsStatisticsPhysicsWhite noise

Résumé

récupéré en direct d'OpenAlex

This paper studies a class of stochastic and time-varying Gaussian intersymbol interference (ISI) channels. The $i^{th}$ channel tap during time slot $t$ is uniformly distributed over an interval of centre $c_i$ and radius $ r_{i}$. The array of channel taps is independent along both $t$ and $i$. The channel state information is unavailable at both the transmitter and the receiver. Lower and upper bounds are derived on the White-Gaussian-Input (WGI) capacity $C_{{WGI}$ for arbitrary values of the radii $ r_i$. It is shown that $C_{WGI}$ does not scale with the average input power. The proposed lower bound is achieved by a joint-typicality decoder that is tuned to a set of candidates for the channel matrix. This set forms a net that covers the range of the random channel matrix and its resolution is optimized in order to yield the largest achievable rate. Tools in matrix analysis such as Weyl’s inequality on perturbation of eigenvalues of symmetric matrices are used in order to analyze the probability of error.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil1,000

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 savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,257
Écart entre enseignants0,238 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Communication Security TechniquesTravaux en français237 207