Large-scale MIMO versus network MIMO for multicell interference mitigation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper compares two distinct downlink multicell interference mitigation techniques for wireless cellular networks: large-scale (LS) multiple-input multiple-output (MIMO) and network MIMO. The considered cellular network operates in a time-division duplex (TDD) fashion and includes non-overlapping cooperating clusters, where each cluster comprises B base-stations (BSs), each equipped with multiple antennas, and schedules multiple single-antenna users. In the LS-MIMO system, each BS is equipped with BM antennas, serving its K scheduled users using zero-forcing (ZF) beamforming, while sacrificing its excess number of spatial degrees of freedom (DoF) using interference coordination to prevent causing interference to the other K (B - 1) users within the cooperating cluster. In the network MIMO system, although each BS is equipped with M antennas, the intra-cluster interference cancellation is enabled by data and channel state information sharing across the cooperating BSs and joint downlink transmission to BK users via ZF beamforming. Accounting for uplink-downlink channel reciprocity provided by TDD and invoking the orthogonality principle of ZF beamforming, respectively, the channel acquisition overhead in each cluster and the number of spatial DoF per user are identical in both systems. Therefore, it is not obvious whether one system is superior to the other from the performance point of view. Building upon the channel distribution functions in the two systems and adopting tools from stochastic orders, this paper shows that in fact an LS-MIMO system provides considerably better performance than a network MIMO system. Thus, given the likely lower cost of adding excess number of antennas, LS-MIMO could be a preferred multicell coordination approach for interference mitigation.
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.
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 découle