Maximal-ratio eigen-combining: a performance analysis
Notice bibliographique
Résumé
Maximal-ratio eigen-combining (MREC) for wireless communications channels, also known as eigen-beamforming for receivers equipped with antenna arrays, integrates conventional maximum average signal-to-noise-ratio beamforming (Max-ASNR BF) and maximal-ratio combining (MRC) to provide both high average SNR in high fading correlation as well as diversity in low fading correlation. Previous studies of MREC were based on simulation or limited analysis and suggested that MREC can outperform Max-ASNR BF and MRC in terms of average error probability (AEP). A comprehensive analysis of MREC is provided for BPSK signals and Rayleigh fading, including computable AEP and outage probability (OP) expressions for perfectly known, correlated channel gains. Particular cases of these expressions apply to Max-ASNR BF and MRC. For imperfectly known channels the analysis yields a new and general AEP expression for MREC, which is specialized to estimation based on pilot-symbol-aidedmodulation (PSAM) and interpolation. In particular, this AEP expression applies to Max-ASNR BF and, for PSAM and data-independent interpolation filters, to MRC. Numerical results for antenna arrays receiving signals with angle-of-arrival dispersion and imperfectly known channel gains confirm the potential advantage of MREC over Max-ASNR BF and MRC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».