MétaCan
Menu
Retour à la cohorte
Enregistrement W7092178144 · doi:10.1109/tbc.2025.3579222

Geographic Segmented Localcasting Co-Channel Interference Mitigation Using Iterative Joint Detection and Decoding

2025· article· W7092178144 sur OpenAlexaff

Notice bibliographique

RevueIEEE Transactions on Broadcasting · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueTelecommunications and Broadcasting Technologies
Établissements canadiensWestern University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésDecoding methodsInterference (communication)Orthogonal frequency-division multiplexingUnicastWireless broadbandDigital televisionSpectral efficiencyMultiplexingChannel (broadcasting)Wireless

Résumé

récupéré en direct d'OpenAlex

Geographic Segmented Localcasting (GSL) is an emerging Digital Terrestrial Television Broadcast (DTTB) physical layer operating mode. The system utilizes LDM-SFN to enable both wide-area Single Frequency Network (SFN) coverage and localized broadcast/multicast services within a single Radio Frequency (RF) broadcast channel. By combining SFN (core layer) and localcasting (enhanced layer) via Layered Division Multiplexing (LDM), GSL improves spectrum efficiency but faces challenges such as co-channel interference and SFN vs. Localcasting Channel Profile Mismatch (LCPM), which limit localcasting coverage. This paper presents two receiving methods that facilitate LDPC-coded LDM signal reception. Method 1 is the Multiple localcasting signals Iterative Joint Detection and Decoding (IJDD), which can mitigate severe co-channel interference with required Channel Status Information (CSI) of nearby localcasting transmitters. Method 2 is the Constellation Rotated IJDD (CR-IJDD), which can mitigate severe LCPM without CSI. The proposed methods enable decoding of both desired and interfering signals under high SNR conditions, enhancing spectrum reuse. Additionally, an Early Extrinsic Information Exchange for LDPC Iteration Reduction (EEIE-LIR) scheme is introduced to accelerate convergence and reduce receiver complexity. Evaluations based on ATSC 3.0 ModCods demonstrate that the proposed methods significantly improve spectrum efficiency and mitigate the co-channel interferences. The proposed technologies and can be extended to other DTTB systems and cell-based broadband wireless networks (e.g., the fifth generation (5G)/the sixth generation (6G), supporting seamless integration of broadcast, multicast, and unicast services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,271
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on BroadcastingMême sujetTelecommunications and Broadcasting TechnologiesTravaux en français237 207