Joint Superimposed Pilot-Aided Channel Estimation and Data Detection for FTN Signaling Over Doubly-Selective Channels
Notice bibliographique
Résumé
Faster-than-Nyquist (FTN) signaling and superimposed pilot (SP) are known techniques to improve the spectral efficiency (SE). This paper proposes an innovative SP-aided channel estimation method for FTN signaling over doubly-selective channels. We adopt a basis expansion model (BEM) to avoid complex channel tracking, and we propose a SP-aided frame structure that eliminates the overhead of multiplexed pilots (MPs). We additionally propose two detection methods: (1) an SP-aided separate channel estimation and data detection (SCEDD) method performing a single channel estimation followed by iterative data detection via a turbo equalizer, and (2) an SP-aided joint channel estimation and data detection (JCEDD) method, which extends the SCEDD by updating the channel estimate in each turbo equalization iteration. At equivalent SE and a high fading rate on the order of$10^{-3}$, our simulations show that SP-aided SCEDD method outperforms MP-aided techniques in both the mean square error (MSE) and bit error rate (BER), while the SP-aided JCEDD method delivers remarkable performance, where reference approaches fail to track rapid channel variations. At a very low fading rate on the order of$10^{-4}$, the SP-aided JCEDD algorithm enhances the MSE by over 6 dB and 2 dB compared to the MP-aided frequency domain equalization (FDE) and time domain equalization (TDE) methods, respectively. In terms of BER, the JCEDD provides over 3 dB enhancements compared to MP-aided FDE, while remaining competitive with MP-aided TDE, showing only less than 0.5 dB degradation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».