MétaCan
Menu
Retour à la cohorte
Enregistrement W4232030287 · doi:10.36227/techrxiv.12195999

Efficient NOMA Design without Channel Phase Information using Amplitude-Coherent Detection

2020· preprint· en· W4232030287 sur OpenAlexaff
Arafat Al‐Dweik, Youssef Iraqi, Mohammad Al‐Jarrah, E Alsusa, Mohamed‐Slim Alouini, Ki Hong Park

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSingle antenna interference cancellationDetectorBit error rateAmplitudeNomaInterference (communication)Phase (matter)Equalization (audio)Channel (broadcasting)PhysicsAlgorithmMathematicsComputer scienceTelecommunicationsOpticsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

<div>This paper presents the design and bit error rate (BER) analysis of a phase-independent non-orthogonal</div><div>multiple access (NOMA) system. The proposed NOMA system can utilize amplitude-coherent detection</div><div>(ACD) which requires only the channel amplitude for equalization purposes. In what follows, three</div><div>different designs for realizing the detection of the proposed NOMA are investigated. One is based on the</div><div>maximum likelihood (ML) principle, while the other two are based on successive interference cancellation</div><div>(SIC). Closed-form expressions for the BER of all detectors are derived and compared with the BER of</div><div>the coherent ML detector. The obtained results, which are corroborated by simulations, demonstrate that,</div><div>in most scenarios, the BER is dominated by multiuser interference rather than the absence of the channel</div><div>phase information. Consequently, the BER using ML and ACD are comparable for various cases of</div><div>interest. The paper also shows that the SIC detector is just an alternative approach to realize the ML</div><div>detector, and hence, both detectors provide the same BER performance.</div><div><br></div>

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,881
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)0,0000,000

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 Opus0,068
Tête enseignante GPT0,296
Écart entre enseignants0,228 · 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
GenreMéthodes

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

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207