Interference Cancellation Based Detection for V-BLAST With Diversity Maximizing Channel Partition
Notice bibliographique
Résumé
Multiple-input multiple-output (MIMO) systems achieve very high bandwidth efficiencies through spatial multiplexing. However, the complexity of optimal detection in such systems motivates the need for more practical alternatives. Recently, a suboptimal lower complexity detection scheme called ¿generalized parallel interference cancellation¿ (GPIC), with close to optimal performance, was introduced. The reported performance of GPIC, however, was assessed by computer simulations only. In this paper, we show that with its original design, GPIC does not always provide close to optimal performance. Based on a diversity analysis of GPIC like techniques, we propose two new improved algorithms, referred to as Sel-MMSE and Sel-MMSE-OSIC, and derive sufficient conditions for achieving optimal performance asymptotically. We also provide a complexity analysis of these two schemes, and show that for large constellation sizes it is lower than the original GPIC. While still more complex than the fixed complexity sphere decoder by a factor in the range of 2-3 (for most configurations), our algorithms are also applicable to undetermined MIMO systems. Simulations results confirm that the new schemes provide maximal diversity gains. Furthermore, Sel-MMSE-OSIC provides a significant gain over Sel-MMSE, making its performance nearly indistinguishable from optimal for all signal-to-noise ratio (SNR) levels.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».