Sparse beamforming for limited-backhaul network MIMO system via reweighted power minimization
Notice bibliographique
Résumé
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 ℓ0-norm optimization problem, then uses the iterative reweighted ℓ1heuristic to find a solution. A key observation of this paper is that the reweighting can be done on the ℓ2-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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».