Kernel Recursive Maximum Versoria Criterion Based Post-Distorter for VLC Using Kernel-Width Sampling
Notice bibliographique
Résumé
Visible light communication (VLC) has emerged as a potential candidate for next generation wireless communication systems. However, nonlinear characteristics of light emitting diode (LED), user-mobility, and DC-bias fluctuations are the major factors that limit the throughput of a VLC link, and makes the overall additive distortion as non-Gaussian distributed. To mitigate this non-Gaussian noise processes encountered in VLC systems due to LED nonlinearity, and user-mobility, recently a random Fourier features (RFF) based kernel recursive maximum Versoria criterion (KRMVC) based post-distortion algorithm is proposed, which delivers better performance as compared to the classical polynomial series, and kernel recursive least squares (KRLS) algorithms due to the incorporation of higher order statistics of error. However, the performance of RFF-KRMVC algorithm is sensitive to the choice of kernel-width, and results in approximation errors due to imperfect choice of kernel-width. This paper proposes a novel RFF-KRMVC algorithm using a kernel-width sampling (KWS) technique called as RFF-KWS-KRMVC, which implements the post-distortion under a hyperparameter-free finite memory budget. Furthermore, analytical expressions for mean square error, and error rate are quantified for the proposed RFF-KWS-KRMVC post-distorter, and corroborated by Monte-Carlo simulations performed over standard VLC channel models.
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 | 0,001 |
| 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 ».