2004
DOI: 10.1109/tsp.2003.819993
|View full text |Cite
|
Sign up to set email alerts
|

Channel Estimation Using Implicit Training

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1
1

Citation Types

0
154
0
4

Year Published

2007
2007
2017
2017

Publication Types

Select...
5
3

Relationship

0
8

Authors

Journals

citations
Cited by 199 publications
(158 citation statements)
references
References 26 publications
0
154
0
4
Order By: Relevance
“…A tarefa basilar do igualizador é compensar as influências do canal [22]. Esta compensação exige, no entanto, que uma estimação da resposta do canal esteja disponível.…”
Section: Levantamento Bibliográficounclassified
See 2 more Smart Citations
“…A tarefa basilar do igualizador é compensar as influências do canal [22]. Esta compensação exige, no entanto, que uma estimação da resposta do canal esteja disponível.…”
Section: Levantamento Bibliográficounclassified
“…Esta situação apresenta como consequência uma redução do ritmo de bit útil, diminuindo por sua vez a eficiência espectral do sistema. Um método considerado promissor para resolver este problema realiza a estimação de canal utilizando pilotos implícitos, que são adicionados aos blocos de dados em vez de serem multiplexados com os mesmos [22]. Isto significa que se pode aumentar significativamente o número de pilotos a transmitir, mantendo a capacidade e eficiência espectral do sistema.…”
Section: Método Dos Pilotos Implícitosunclassified
See 1 more Smart Citation
“…In this paper, we adopt the so-called superimposed training approach [25], i.e., the pilot symbols are added to the data symbols, which only incurs power loss (and no spectral loss). In this case, the transmitted signal can be represented as x = t + c, where…”
Section: (And Tmentioning
confidence: 99%
“…Superimposed training has been recently considered by several authors [3][4][5], where the training (a periodic non random) sequence is arithmetically added to the transmitted sequence. In this way no bandwidth is lost when sending the training data.…”
Section: Introductionmentioning
confidence: 99%