BEM-Based Limited Feedback for Precoding and Scheduling over Doubly Selective Multiuser MISO Downlink Channels
Notice bibliographique
Résumé
This paper studies the problem of scheduling, preceding and limited feedback design for the emerging 3GPP-LTE systems over time-and frequency-selective (doubly selective) channels. In particular, greedy scheduling with zeroforcing (ZF) precoding is considered for the doubly selective multiuser multiple-input single-output (MISO) orthogonal frequency division multiplexing (OFDM) downlink channels. In limited feedback design, the discrete prolate spheroidal basis expansion model (DPS-BEM) is used as a fitting parametric model for capturing the time-variation of the doubly selective channels and reducing the number of the channel parameters. The resulting dimension reduction in the channel representation, in turn, translates into a reduced feedback load of channel state information (CSI). To exploit the considerable reduction in CSI feedback load, vector quantization (VQ) of DPS-BEM parameters is performed at users' receivers under the assumption that perfect BEM parameter estimation has been established by existing algorithms. The output indices of the quantized BEM parameter vectors are, then, sent to the base station (BS) via error-free limited feedback links. With the channel state information (CSI) at transmitter (CSIT), greedy scheduling and ZF precoding are deployed for multiuser transmission in each subcarrier of OFDM symbols in a LTE frame. Numerical results show that the ZF-based multiuser transmission scheme with the suggested BEM quantization and limited feedback design offers significant sum-rate gains and stable performance with high robustness against time-varying channels.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».