MétaCan
Menu
Retour à la cohorte
Enregistrement W2019606325 · doi:10.1109/glocom.2013.6831362

Sparse beamforming for limited-backhaul network MIMO system via reweighted power minimization

2013· article· en· W2019606325 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBackhaul (telecommunications)BeamformingComputer scienceTransmitter power outputMIMOTelecommunications linkCluster analysisBase stationBasebandMinificationCompressed sensingMathematical optimizationComputer networkAlgorithmTransmitterMathematicsArtificial intelligenceTelecommunicationsBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

This paper considers a downlink multicell cooperation model in which the base-stations (BSs) are connected to a central processor (CP) via rate-limited backhaul links. A user-centric clustering model is adopted where each scheduled user is cooperatively served by a cluster of BSs, and the serving BSs for different users may overlap. This paper formulates an optimal joint clustering and beamforming design problem in which each user dynamically forms a sparse network-wide beamforming vector whose non-zero entries correspond to the serving BSs. Specifically, we assume a fixed signal-to-interference-and-noise ratio (SINR) constraint for each user, and investigate the optimal tradeoff between the sum transmit power and the sum backhaul capacity needed to form the cooperating clusters. Intuitively, larger cooperation size leads to lower transmit power, because interference can be mitigated through cooperation, but it also leads to higher sum backhaul, because user data needs to be made available to more BSs. Motivated by the compressive sensing literature, this paper formulates the sparse beamforming problem as an ℓ <inf xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">0</inf> -norm optimization problem, then uses the iterative reweighted ℓ <inf xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">1</inf> heuristic to find a solution. A key observation of this paper is that the reweighting can be done on the ℓ <inf xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</inf> -norm square of the beamformers (i.e., the power) at the BSs. This gives rise to a weighted power minimization problem over the entire network, which can be solved using the uplink-downlink duality technique with low computational complexity. This paper further proposes judicious choice of the weights, and shows that the new algorithm can provide a better tradeoff between the sum power and the sum backhaul capacity in the high SINR regime than previous algorithms.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,662
Score d'incertitude au seuil1,000

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 savante0,0000,001
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 Opus0,007
Tête enseignante GPT0,192
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

En bref

Citations77
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207