SNR and throughput analysis of distributed collaborative beamforming in locally‐scattered environments
Notice bibliographique
Résumé
ABSTRACT Three main collaborative beamforming (CB) solutions based on different channel models exist: the optimal CSI‐based CB (OCB), the conventional or monochromatic (i.e., single‐ray) distributed CB (M‐DCB), and the recently developed bichromatic (i.e., two‐ray) distributed CB (B‐DCB). In this paper, we perform an analytical comparison, under practical constraints, between these CB solutions in terms of achieved signal‐to‐noise ratio (SNR) as well as achieved throughput. Assuming the presence of local scattering in the source vicinity and accounting for implementation errors incurred by each CB solution, we derive for the first time closed‐form expressions of their true achieved SNRs. For low angular spread (AS), where both solutions nominally achieve the same SNR in ideal conditions, we show that the B‐DCB always outperforms OCB, more so and at larger regions of AS values when errors increase. Excluding exceptional circumstances of unrealistic low quantization levels (i.e., very large quantization errors) that are hard to justify in practice, we also show that the new B‐DCB always outperforms the M‐DCB as recently found nominally in ideal conditions. This work is also the first to push the performance analysis of CB to the throughput level by taking into account the feedback overhead cost incurred by each solution. We prove both by concordant analysis and simulations that the B‐DCB is able to outperform, even for high AS values, the OCB which is penalized by its prohibitive implementation overhead, especially for a large number of collaborating terminals and/or high Doppler frequencies. Indeed, it is shown that the operational regions in terms of AS values over which the new B‐DCB is favored against OCB in terms of achieved throughput can reach up to 40°. Copyright © 2012 John Wiley & Sons, Ltd.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».