SER Performance of Large Scale OFDM-SDMA Based Cognitive Radio Networks
Notice bibliographique
Résumé
This paper proposes an adaptive large scale multiple input multiple output-beamforming scheme (LSMIMO-BF) for uplink (UL) access in broadband wireless cognitive networks with multiple primary users (PUs) and secondary users (SUs) sharing the same spectrum and employing orthogonal frequency-division multiplexing (OFDM). The proposed algorithm seeks the optimal transmit/receive weight vectors that maximize the UL MIMO channel capacity for each cognitive user while controlling the interference levels to PUs. Under the assumption of very large number of antennas at the base station, a closed-form expression for the symbol error rate (SER) performance of the cognitive LSMIMO-OFDM system is derived and compared with the one based on conventional beamforming schemes such as MIMO-maximum ratio combining (MIMO-MRC). The analysis and simulation show that when SUs are transmitting with the proposed constrained capacity-aware (CCA) scheme, the total interference level at the primary base station is reduced and the SER of PUs is improved compared to the case when the secondary network is using conventional MIMO-MRC. It was also shown that, as the number of base station antennas becomes larger, the constraints imposed by the primary network could be relaxed and the symbol error rate (SER) of SUs is improved without harming the PUs performance.
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 ».