On Efficient DCT Type-I Based Low Complexity Channel Estimation for Uplink NB-IoT Systems
Notice bibliographique
Résumé
Channel estimation is a challenging and timely issue for the 3rd Generation Partnership Project (3GPP) standardized low power wide-area network technology named narrowband Internet of Things (NB-IoT).Channel estimation is crucial to achieve extended radio coverage, energy efficiency, coherent detection, and channel equalization for signal repetition dominated NB-IoT uplink transmission.The NB-IoT inherits simplified baseband radio frequency processing, physical channels, reference signal structure, and numerology from existing Long Term Evolution (LTE) systems to save power and costs.Thus, channel estimation methods extensively employed in LTE systems may not be applied to the NB-IoT uplink systems.In this paper, efficient discrete cosine transform type-I (DCT-I)-based transform-domain channel estimation approaches are proposed by modifying the original definition of DCT-I.The proposed methods can mitigate the problems experienced in the discrete Fourier transform (DFT)-based channel estimation, such as signal aliasing error, and border effect.The proposed approaches improve channel estimation precision by reducing signal distortion from the high-frequency region in the time-domain when non-sample-spaced path delays exist in multipath fading channels.Signal aliasing error experienced from the virtual subcarriers is also minimized with the anticipated schemes.The proposed methods are applied on simple least squares (LS) estimates in time-domain to eliminate estimation noise.The viability of the proposed estimators is verified as compared to the conventional LS, DFT-based de-noising LS, and standard DCT-I based methods through extensive numerical simulations.Based on the numerical simulations, the proposed estimators show better mean square error and bit error rate performances than their competitors in extremely low coverage conditions.
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 ».