Performance Comparison of OFDM and DFT-s-OFDM in the THz-Band Communications Channels
Notice bibliographique
Résumé
The terahertz (THz) band is a promising frequency band that ranges from 0.3 THz to 10 THz and being considered for the next generation 6G wireless networks due to the large available bandwidth and potentially ultra fast data rates. THz channels and systems are unique in three aspects: 1) high path loss; 2) rich scattering from rough surfaces; 3) severe phase noise from local oscillators. These pose questions on what physical waveforms should be used in THz channels. Since orthogonal frequency division multiplexing (OFDM) and discrete Fourier transform spread OFDM (DFT-s-OFDM) are adopted waveforms in 5G new radio (NR) and 4G, their possible use in the future generation wireless networks is an open question. In this paper, we first review a THz channel model for accurate representation of THz channels. Then uncoded and coded OFDM and DFT-s-OFDM systems are investigated for their performance in THz channels, demonstrating their unique behaviors in these channels. The impact of phase noise is also examined, and a non-iterative compensation method slightly modified from the literature is used to mitigate the phase noise effect. DFT-s-OFDM shows advantages over OFDM in the studied THz environment. The simulation results in this paper can be used as a benchmark for future studies.
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 | 0,000 |
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 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 ».