Reduced Complexity of Perpendicular Magnetic recording channel with Sequential Detector

Q: 이 논문에서 정의한 스택 기반 검출 알고리즘이란 무엇인가?

스택 기반 검출 알고리즘(SBDA)은 수정된 스택 알고리즘에 기반한 순차 심볼 검출기로, 수직 자기 기록 채널에서 계산 복잡도를 줄이기 위해 제안되었다. 이 알고리즘은 가장 가능성이 높은 경로를 탐색하며, 스택 크기를 고정하여 기존 비터비 검출기보다 낮은 복잡도로 심볼을 검출한다.

Q: 스택 기반 검출 알고리즘이 비터비 검출기와 비교하여 가지는 핵심적인 장점은 무엇인가?

연구 결과, 스택 기반 검출 알고리즘(SBDA)은 비터비 검출기보다 계산 복잡도가 현저히 낮다. 특히, 채널 메모리가 증가하더라도 SBDA의 계산 복잡도는 독립적으로 유지되며, SNR 23dB에서 약 76%의 복잡도 감소를 보인다. 또한, 채널 메모리 증가 시 계산 복잡도 증가 없이 비트 오류율 성능을 향상시킬 수 있다.

Jukgree Kotsri; Virasit Imtawil

학술대회자료

저자정보: Jukgree Kotsri (Khon Kaen University) Virasit Imtawil (Khon Kaen University)

저널정보: 대한전자공학회 ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications ITC-CSCC : 2009

오류 신고하기

피인용 0

검색

초록·키워드

This paper presents the sequential symbol detector based on a modified stack algorithm for reducing the computational complexity in perpendicular magnetic recording channel. We name the proposed algorithm as a stack-based detection algorithm (SBDA). The computational complexity of SBDA is less than that of the conventional symbol detector called Viterbi detector approximately 76% at SNR 23 ㏈. The results also show that the bit error rate performance of the SBDA in magnetic recording channel can be improved without increasing the computational complexity when the channel memory increases.

#Symbol detector #stack-based detection algorithm #perpendicular magnetic recording channel

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2012-569-004023726

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료