Neural Network Aided TeraHertz Backhaul Communications Using One-Bit ADCs
Notice bibliographique
Résumé
TeraHertz (THz) communication is considered as a promising technology to satisfy the ever-increasing demand for high-rate services in the next generation of wireless communication systems. However, the high-speed high-resolution analog-to-digital converters (ADCs) of THz systems are power hungry and complex to implement. Low-resolution ADCs are considered as an efficient solution to reduce the cost and complexity of THz systems. Especially, one-bit ADCs are of particular interest because they require only a comparator and an automatic gain control is not needed anymore. In this paper, we investigate a point-to-point THz backhaul communication system wherein one-bit ADCs with temporal oversampling are deployed at the receiver side. The bit-error-rate (BER) performance of the proposed system is evaluated through an end-to-end link level simulation. Specifically, we propose a convolutional neural network (CNN) based receiver which considers not only the nonlinearity caused by the one-bit ADCs but also the correlation between the received samples due to the oversampling. Our results demonstrate that the proposed CNN-based receiver can considerably improve the BER performance especially at moderate signal-to-noise ratio (SNR) values. The idea of far-field digital dithering is also proposed to maintain the BER performance at high-SNR regime.
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 ».