Non-Coherent Multi-Level Index Modulation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper develops a non-coherent index modulation (IM) system in which activation patterns are characterized by multi-level block codes. We analyze performance of such a system under the maximum-likelihood (ML) receiver and when the set of activation patterns follows a multi-level code generated from asymptotically optimal alphabets. An asymptotic analysis of the pair-wise error probability (PEP) shows that the system can exploit a diversity order that is determined by the distance of the worst codeword pair in the <inline-formula> <tex-math notation="LaTeX">$l_{1}$ </tex-math></inline-formula> metric, known as the Manhattan norm. We then explore the rate-diversity tradeoff for the developed non-coherent IM system as a function of the code length. Specifically, Gilbert-style bounds on the data rates for systems based on binary and ternary codes are obtained that can ensure a given diversity order. We approach the problem of packing in the <inline-formula> <tex-math notation="LaTeX">$l_{1}$ </tex-math></inline-formula> metric by partitioning codes into permutation modulation codes (PMCs) and obtaining Gilbert-style bounds on PMCs. Several achievable rates for non-coherent binary and ternary IM systems, as well as a tradeoff between the information rate and codeword error probability (CEP) are also derived. Finally, simulation results are provided to corroborate the theoretical analysis.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle