计算机科学 > 信息论
[提交于 2007年5月1日
]
标题: 高斯-马尔可夫瑞利衰落信道的训练优化
标题: Training Optimization for Gauss-Markov Rayleigh Fading Channels
摘要: 本文研究了在高斯-马尔可夫瑞利衰落信道中使用导频辅助传输的问题。 考虑了一种简单场景:每隔T个符号发送一个导频信号,并在两个导频信号之间发送T-1个数据符号。首先,假设发射端采用二进制移相键控(BPSK)调制方式。在此假设下,通过最大化可达到的速率表达式,联合优化训练周期以及数据和训练功率分配。利用最优的训练参数,计算了可达到的速率和每比特能量需求。其次,通过将估计误差视为另一种加性高斯噪声源,得到了容量的下界,并通过最大化此下界来优化训练参数。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.