Signal‐to‐noise‐ratio maximisation for linear multi‐antenna relay communications
Notice bibliographique
Résumé
The authors consider a linear relaying communication system using multiple antennas at a source, relay and destination. They maximise the end‐to‐end signal‐to‐noise‐ratio (SNR) to find the relay transformation (RT) and the source transmit covariance (STC) matrices. For any given STC matrix, to maximise the SNR, they prove that the relay has to assign all its power in the direction of the dominant eigenmodes of the source–relay and the relay–destination channels. They also find the joint optimal rank‐one matrices for the STC and RT. They prove that this solution also maximises the source–destination mutual information among all rank‐one matrices. Furthermore, they find the optimal power budgets allocated to the source and relay that maximise the SNR under a constraint on the total transmit power of the system. This is a practical solution as only three positive quantities need to be communicated among the nodes to calculate these optimal power budgets. Interestingly, the authors computer simulations for multiple users reveal that the sum‐rate significantly increases if users selfishly maximise their own SNRs using the proposed method, instead of maximising their own capacity. Thus, they conclude that the SNR‐maximisation is spectrally more efficient as it consumes only the best subspaces and leaves the other subspaces free.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,009 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».