Maximum Likelihood Detection in Single-Input Double-Output Non-Gaussian Barrage-Jammed Systems
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
We derive the likelihood functions and the maximum likelihood (ML) detectors for four classes of single-input double-output (SIDO) communication systems, i.e., systems with one transmit and two receive antennas. For all classes, the received signals are contaminated by a Gaussian noise component and a non-Gaussian component induced by the Gaussian transmissions of a proactive continuous single-antenna jammer over an unknown complex <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$2\times 1$</tex-math></inline-formula> Gaussian vector channel. The considered classes correspond to whether full channel distribution information (CDI), or partial CDI about the transmitter channel and the jammer channel is available at the receiver. Unlike their scalar counterparts, the vector channels considered herein interweave the components of the received signal, rendering the derivation of the likelihood function a daunting task for more than two receive antennas. Furthermore, the interweaving of the received signal components in the vector channel case prevents the optimal ML detector for unit-norm constellations from reducing to the corresponding Gaussian approximation-based detector. This is in sharp contrast with the scalar case, wherein the two detectors are equivalent for unit-norm constellations. Confirming our analytical findings, experimental results show that the difference between the two detectors can be significant, especially when the transmitter-receiver and jammer-receiver channels have substantial line-of-sight components. Although the computational cost of performing optimal ML detection in the presence of non-Gaussian jamming is higher in the case of two receive antennas, the performance advantage over the single antenna case justifies it.
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 | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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