MétaCan
Menu
Retour à la cohorte
Enregistrement W4233040672 · doi:10.1002/wcm.554

On the performance of BICM with mapping diversity in hybrid ARQ

2007· article· en· W4233040672 sur OpenAlexafffund
Leszek Szczeciński, Fatou‐Kiné Diop, Mustapha Benjillali

Notice bibliographique

RevueWireless Communications and Mobile Computing · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceHybrid automatic repeat requestAutomatic repeat requestAlgorithmSelective Repeat ARQTurbo codeSpectral efficiencyNetwork packetDiversity (politics)QAMCoding (social sciences)Channel (broadcasting)Quadrature amplitude modulationTelecommunicationsComputer networkDecoding methodsBit error rateStatisticsMathematicsTelecommunications link

Résumé

récupéré en direct d'OpenAlex

Abstract Hybrid ARQ with packet combining for high‐order modulations (such as 16‐QAM) may be significantly enhanced if the bits‐to‐symbols mappings are appropriately changed throughout the transmissions. In this paper, we analyze the relationship between such mapping diversity and channel coding. We calculate the capacity of the popular bit‐interleaved‐coded modulation (BICM) to draw qualitative and approximate quantitative conclusions that are valid for strong codes approaching the capacity limits. We conclude that the choice/design of the appropriate mapping depends on the targeted spectral efficiency and we demonstrate that certain forms of mapping diversity may be counterproductive. We also show that iterative demapping may be successfully applied to significantly reduce (by more than 1 dB) the gap between the BICM and coded modulations (CM) capacities. The analysis is illustrated with results obtained when the mapping diversity is combined with practical turbo codes. Copyright © 2007 John Wiley & Sons, Ltd.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,370

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 recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,219 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWireless Communications and Mobile ComputingMême sujetAdvanced Wireless Communication TechniquesTravaux en français237 207