MétaCan
Menu
Retour à la cohorte
Enregistrement W1980352437 · doi:10.1109/tvt.2008.923668

Collaborative Uplink Transmit Beamforming With Robustness Against Channel Estimation Errors

2009· article· en· W1980352437 sur OpenAlexaff
Amr El‐Keyi, Benoı̂t Champagne

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBeamformingRobustness (evolution)Telecommunications linkBase stationRelayChannel state informationFadingPrecodingComputer scienceChannel (broadcasting)Electronic engineeringEngineeringWirelessMIMOComputer networkTelecommunicationsPower (physics)

Résumé

récupéré en direct d'OpenAlex

We consider the uplink of collaborative wireless communication systems, where multiple relay terminals decode the signal of a nearby user and forward it to a distant single-antenna base station. We present a collaborative uplink transmit beamforming strategy that can be employed at the relay terminals to provide robustness against uncertainties in the channel state information. The proposed beamforming scheme is obtained using the available knowledge about the second-order statistics of the channel and the possibly erroneous channel state information. The beamforming weight vector is derived by minimizing the total transmitted power subject to a constraint that preserves the received signal at the base station for all the channel realizations within a prescribed uncertainty set. We present two beamforming algorithms based on different mathematical descriptions of the uncertainty set. Both algorithms can be applied to line-of-sight (LOS) propagation and flat-fading channels. In the first algorithm, the robust beamforming vector is computed at the base station using the uplink data and fed back to the cooperating relay terminals. This centralized processing scheme allows any additional convex constraint to be easily incorporated into the beamforming strategy. In the second algorithm, the beamforming vector of each terminal is locally computed using the available knowledge about the terminal's channel and a single parameter (Lagrange multiplier) that is broadcast from the base station to all the cooperating terminals. Simulation results are presented, showing the superior performance of our proposed algorithms compared with classical transmit beamforming techniques in both LOS propagation and flat-fading 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,004
Tête enseignante GPT0,205
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations32
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207