MétaCan
Menu
Retour à la cohorte
Enregistrement W1603364109 · doi:10.1109/icc.2015.7248606

Robust MMSE design for full-duplex decode-and-forward SC-FDE relay systems

2015· article· en· W1603364109 sur OpenAlexaff
Peiran Wu, Robert Schober, Vijay K. Bhargava

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFull-Duplex Wireless Communications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSC-FDEPrecodingComputer scienceRelayTransmitter power outputConvex optimizationEqualization (audio)Optimization problemMinimum mean square errorTransmission (telecommunications)Mathematical optimizationAlgorithmMathematicsPower (physics)TelecommunicationsDecoding methodsRegular polygonMIMOChannel (broadcasting)Transmitter

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider the robust transceiver design for a two-hop full-duplex decode-and-forward relay system employing single-carrier transmission with frequency-domain equalization (SC-FDE). The design problem for the transmit precoding and receive equalization is formulated as an optimization problem with the objective to minimize the sum mean-squared error (MSE) of the two hops subject to separate node transmit power constraints. We show that the equalization filters can be optimized individually at the receiving nodes and take the form of robust Wiener filters. However, due to the loopback interference, the transmissions in the two hops are coupled and the transmit precoding problem boils down to a non-convex power allocation problem in the frequency domain. An alternating optimization approach is proposed to obtain the power allocation where convex programming problems and difference of convex programming problems are solved in an alternating manner. Numerical results are provided to validate the MSE and the achievable rate of the proposed robust schemes, showing that significant performance gains can be achieved compared to conventional half-duplex systems and non-robust full-duplex designs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,252
Écart entre enseignants0,139 · 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 tête enseignante, 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFull-Duplex Wireless CommunicationsTravaux en français237 207