MétaCan
Menu
Retour à la cohorte
Enregistrement W1977639277 · doi:10.1109/lcomm.2014.2328588

Rate Optimization for Hybrid SC-FDE/OFDM Decode-and-Forward MIMO Relay Systems

2014· article· en· W1977639277 sur OpenAlexaff
Peiran Wu, Robert Schober, Vijay K. Bhargava

Notice bibliographique

RevueIEEE Communications Letters · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPrecodingMIMOComputer scienceOrthogonal frequency-division multiplexingSC-FDERelayEqualization (audio)Bit error rateTransmitter power outputMultiplexingSpatial multiplexingMathematicsBeamformingAlgorithmPower (physics)TelecommunicationsDecoding methodsTransmitterChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider the rate-optimal transceiver design for a hybrid single-carrier frequency-domain equalization and orthogonal frequency-division multiplexing decode-and-forward (DF) multiple-input-multiple-output (MIMO) relay system. Such hybrid systems can provide a high end-to-end bit rate and a low peak-to-average power ratio at one of the transmitting nodes. Assuming minimum mean-squared-error equalization at the receiving nodes, we optimize the transmit precoding matrices for maximization of the achievable bit rate (ABR) of the system subject to a joint node transmit power constraint. We provide a unified solution for the precoding matrices, which subsumes the solutions for pure single-carrier and pure multicarrier MIMO DF relay systems as special cases. Specifically, the optimal structure of the precoding matrices is obtained by exploiting the relation between our design and conventional point-to-point MIMO transceiver designs. With the optimal precoding structure, the optimization problem reduces to a convex power allocation problem, for which an efficient closed-form solution is derived. Numerical results are provided to confirm the excellent ABR performance of the proposed relaying schemes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,731
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,276
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications LettersMême sujetCooperative Communication and Network CodingTravaux en français237 207