MétaCan
Menu
Retour à la cohorte
Enregistrement W4383220181 · doi:10.1109/tvt.2023.3292354

A Permutated Partial Transmit Sequence Scheme for PAPR Reduction in Polar-Coded OFDM-IM Systems

2023· article· en· W4383220181 sur OpenAlexaff
Siyu Zhang, Behnam Shahrrava, Yuexia Zhang, Zhihai Zhuo

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensUniversity of Windsor
Organismes subventionnairesBeijing Information Science and Technology University
Mots-clésOrthogonal frequency-division multiplexingAdditive white Gaussian noiseAlgorithmReduction (mathematics)MultiplexingDecoding methodsFrequency domainMathematicsBit error rateTransmission (telecommunications)Electronic engineeringComputer scienceChannel (broadcasting)TelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

In this article, a permutated partial transmit sequence (PTS) scheme is proposed to reduce the peak-to-average-power ratio (PAPR) in polar-coded orthogonal frequency division multiplexing with index modulation (OFDM-IM) systems without side-information (SI) transmission. For generating candidate signals, the proposed PTS method combines two operations of phase rotations and frequency-domain permutations by implementing circular shifting and factor multiplications in time domain, where the phase rotation factors are determined by the frozen bits of polar codes. Additionally, according to the transmitting and polar-coded structures, an SI-free decoder based on successive cancellation lists (SCL) algorithm is developed at the receiving end. Compared with conventional PTS and existing PAPR reduction schemes, the proposed PTS scheme exhibits significantly higher PAPR reduction performance with less complexity. Based on stimulation results, the proposed SI-free receiver is able to achieve error performance similar to that with the receiver utilizing perfect side information in both Additive White Gaussian noise (AWGN) and frequency selective channels.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetPAPR reduction in OFDMTravaux en français237 207