Bit Allocation Laws for Multi-Antenna Channel Quantization: Multi-User Case
Notice bibliographique
Résumé
This paper addresses the optimal design of limitedfeedback multi-user spatial multiplexing systems. A base station with M antennas is considered serving M single-antenna users, which share a common feedback link with a total rate of B bits per fading block. The optimization problem is cast in form of minimizing the average transmission power at the base station subject to users’ outage probability constraints. Our goal is to optimize the bit allocations among users and the corresponding channel magnitude and direction quantization codebooks in the asymptotic regime where B tends to infinity. In order to achieve a tractable formulation, we first fix the quantization codebooks and study the optimal power control problem. This leads to an upper bound for the average transmission sum power, which is then used to optimize the quantization codebooks and to derive the bit allocation laws. The paper shows that for channels in the real space, the number of channel direction quantization bits should be (M−1) times the number of channel magnitude quantization bits. It is further shown that users with higher requested QoS (lower target outage probabilities) and higher requested downlink rates (higher target SINR’s) should receive larger shares of the feedback rate. The paper also shows that, for the target QoS parameters to be feasible, the total feedback bandwidth should scale logarithmically with γ, the geometric mean of the target SINR values, and 1/q, the geometric mean of the inverse target outage probabilities. Moreover, the minimum required feedback rate increases if the users’ target parameters deviate from the average parameters γ and q. Finally, we show that, as B increases, the limited-feedback system performance approaches the performance of the perfect channel state information system as 2 B M2 .
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».