Blind Recursive Subspace-Based Identification of Time-Varying Wideband MIMO Channels
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.
Notice bibliographique
Résumé
We present a blind recursive algorithm for tracking rapidly time-varying wireless channels in precoded multiple-input-multiple-output (MIMO) orthogonal frequency-division multiplexing (OFDM) systems. Subspace-based tracking is normally considered for slowly time-varying channels only. Due to the frequency correlation of the wireless channels, the proposed scheme can collect data not only from the time but from the frequency domain as well to speed up the update of the required second-order statistics. After each such update, the subspace information is recomputed using the orthogonal iteration, and then, a new channel estimate is obtained. We also investigate choices of precoder in terms of the tradeoff between the symbol recovery capability and the channel estimation performance and demonstrate the convergence properties of our approach. The proposed algorithm is evaluated in a Third-Generation Partnership Project (3GPP) Spatial Channel Model suburban macro scenario, in which a mobile station is allowed to move in any direction with a speed up to 100 km/h, corresponding to a maximum Doppler shift of about 230 Hz in this case. Numerical experiments show that the normalized mean square error of the channel estimates converges to a level of -30 dB within less than five OFDM symbols when the signal-to-noise ratio (SNR) (per symbol) is ≥ 20 dB.
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 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle