Bayesian Joint Estimation of CFO and Doubly Selective Channels in MIMO-OFDM Transmissions
Notice bibliographique
Résumé
This paper studies the problem of pilot-aided joint carrier frequency offset (CFO) and channel estimation using a Bayesian approach in multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) transmissions over time- and frequency-selective (doubly selective) channels. Unlike the joint CFO and channel impulse response (CIR) estimation over block-fading channels, the joint CFO and time-variant CIR estimation gives rise to the identifiability problem where the number of observations (received samples) is smaller than that of both CFO and time-variant CIR parameters to be estimated. To reduce a large number of the time-variant CIR parameters to be estimated, various basis expansion models (BEMs) are deployed as fitting parametric models for capturing the time variation of the MIMO channels. As the main purpose of using BEMs, the resulting dimension reduction in the time-variant channel representation helps to avoid the identifiability issue in the joint estimation problem. Under Bayesian estimation, CFO and BEM coefficients are treated as random variables to be estimated by the maximum-a-posteriori (MAP) technique. Numerical results demonstrate that the deployment of BEMs is able to alleviate performance degradation in the considered estimation technique using the conventional assumption of block fading over time varying channels.
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 ».