MétaCan
Menu
Retour à la cohorte
Enregistrement W1997071749 · doi:10.1109/tvt.2015.2394742

Vector Perturbation Precoding Under Quantized CSI

2015· article· en· W1997071749 sur OpenAlexafffund
Sanjeewa Herath, Duy H. N. Nguyen, Tho Le‐Ngoc

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPrecodingZero-forcing precodingControl theory (sociology)Perturbation (astronomy)Computer sciencePhysicsElectronic engineeringMathematicsTopology (electrical circuits)MIMOTelecommunicationsEngineeringElectrical engineeringQuantum mechanicsArtificial intelligenceBeamforming

Résumé

récupéré en direct d'OpenAlex

This paper focuses on the design of vector perturbation (VP) precoding for multiuser multiple-input-single-output (MU-MISO) downlink transmission under quantized channel side information (CSI). In particular, each receiver decomposes its downlink channel vector in forms of channel direction information (CDI) and channel magnitude information (CMI) for feedback to the transmitter. The CMI contribution is studied in two scenarios: i) perfect CMI available to the transmitter and ii) only CMI statistics known at the transmitter. Under these two scenarios, using the quantized CDI and quantization error statistics, we propose a unified approach to design the VP precoders that minimize the mean square error (MSE) between channel input and output. Closed-form expressions to the precoders are then derived. Bit-error-rate (BER) results indicate that the proposed VP precoder designs are less sensitive to quantization errors, and CMI availability offers significant performance improvements.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,234
Écart entre enseignants0,214 · 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
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

Citations12
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

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