MMSE precoding for multiuser MISO downlink transmission with non-homogeneous user SNR conditions
Notice bibliographique
Résumé
This paper is concerned with linear precoding designs for multiuser downlink transmissions. We consider a multiple-input single-output (MISO) system with multiple single-antenna user equipment (UE) experiencing non-homogeneous average signal-to-noise ratio (SNR) conditions. The first part of this work examines different precoding schemes with perfect channel state information (CSI) and average SNR at the base-station (eNB). We then propose a weighted minimum mean squared error (WMMSE) precoder, which takes advantage of the non-homogeneous SNR conditions. Given in a closed-form solution, the proposed WMMSE precoder outperforms other well-known linear precoders, such as zero-forcing (ZF), regularized ZF (RZF), while achieving a close performance to the locally optimal iterative WMMSE (IWMMSE) precoder, in terms of the achievable network sum-rate. In the second part of this work, we consider the non-homogeneous multiuser system with limited and quantized channel quality indicator (CQI) and channel direction indicator (CDI) feedbacks. Based on the CQI and CDI feedback models proposed for the Long-Term Evolution Advanced standard, we then propose a robust WMMSE precoder in a closed-form solution which takes into account the quantization errors. Simulation shows a significant improvement in the achievable network sum-rate by the proposed robust WMMSE precoder, compared to non-robust linear precoder designs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».