5G Modulation in Impulsive Noise Environment
Notice bibliographique
Résumé
This paper presents a study on a 5G communication system using Quadrature Phase Shift Keying (QPSK) modulation, focusing on the effects of impulsive noise based on the Bernoulli distribution, and the impact of applying a Finite Impulse Response (FIR) Low-Pass Filter (LPF) on the system's performance. The main goal is to analyze the system's resilience to impulsive noise and assess the effectiveness of the FIR LPF in reducing its negative effects while maintaining overall communication quality. The LPF used in this study is a complex Finite Impulse Response (FIR) filter with a predetermined order (<tex>$\mathrm{N}=100$</tex>) and cutoff frequency. The LPF considers various factors to effectively reduce the impact of impulsive noise on the communication system. The proposed approach is evaluated under Additive White Gaussian Noise (AWGN) with and without impulsive noise, as well as Rayleigh fading channel conditions, using key performance metrics such as Bit Error Rate (BER), Symbol Error Rate (SER), and Error Vector Magnitude (EVM). The results show that the QPSK modulation is reliable in the presence of impulsive noise and that the LPF effectively recovers its harmful effects. The performance with and without impulsive noise is evaluated to demonstrate the robustness of the proposed LPF approach.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».