MétaCan
Menu
Retour à la cohorte
Enregistrement W2019529936 · doi:10.1109/bsc.2010.5472951

SMSE precoder design in a multiuser MISO system with limited feedback

2010· article· en· W2019529936 sur OpenAlexaff
Muhammad Nazmul Islam, Raviraj Adve

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésQuantization (signal processing)Telecommunications linkTransmitterVector quantizationChannel state informationTransceiverMean squared errorBit error ratePrecodingComputer scienceMathematicsConstraint (computer-aided design)Control theory (sociology)AlgorithmMIMOCodebookSignal-to-noise ratio (imaging)Channel (broadcasting)Minimum mean square errorMathematical optimizationTelecommunicationsStatisticsWirelessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We design an end-to-end linear transceiver in the downlink of a multi-user (MU) multiple input single output (MISO) system with quantized channel state information at the transmitter (CSIT). The design minimizes the sum mean squared error (SMSE) under a sum power constraint. The contribution of this paper is two-fold. First, unlike previous approaches, we quantize the channels using mean squared inner product (MSIP) vector quantization (VQ) and derive an SMSE-based algorithm that considers MSIP quantization error as an integral component of the whole system. This decreases the bit error rate (BER) at high signal-to-noise ratio (SNR) and outperforms previously derived MU MISO linear transceivers that exist in the limited feedback literature. Second, we show analytically why the BER, in the high SNR regime, increases if quantization error is not considered.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil0,515

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,010
Tête enseignante GPT0,194
Écart entre enseignants0,184 · 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

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207