Sum-Rate Maximization in the Multicell MIMO Broadcast Channel With Interference Coordination
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 studies the precoding designs to maximize the weighted sum-rate (WSR) in a multicell multiple-input multiple-output (MIMO) broadcast channel (BC). We consider a multicell network under universal frequency reuse with multiple mobile stations (MS) per cell. With interference coordination (IC) between the multiple cells, the base-station (BS) at each cell only transmits information signals to the MSs within its cell using the dirty paper coding (DPC) technique, while coordinating the inter-cell interference (ICI) induced to other cells. The main focus of this work is to jointly optimize the encoding covariance matrices across the BSs in order to maximize the network-wide WSR. Since this optimization problem is shown to be nonconvex, obtaining its globally optimal solution is highly complicated. To address this problem, we consider two low-complexity solution approaches with distributed implementation to obtain at least locally optimal solutions. In the first approach, by applying a successive convex approximation technique, the original nonconvex problem is decomposed into a sequence of simpler problems, which can be solved optimally and separately at each BS. In the second approach, the WSR problem is solved via an equivalent problem of weighted sum mean squared error minimization. Both solution approaches will unfold the control signaling among the coordinated BSs to allow their distributed implementation. Simulation results confirm the convergence of the proposed algorithms, as well as their superior performances over schemes with linear precoding or no interference coordination among the BSs.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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