MétaCan
Menu
Retour à la cohorte
Enregistrement W2101801661 · doi:10.1109/wcnc.2004.1311373

On the performance of spatial multiplexing MIMO cellular systems with adaptive modulation and scheduling

2004· article· en· W2101801661 sur OpenAlexaff
Long Bao Le, Ekram Hossain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMIMOTransmitterChannel state informationComputer scienceSingular value decompositionMultiplexingLink adaptationSpectral efficiencySpatial multiplexingScheduling (production processes)Minimum mean square errorChannel (broadcasting)FadingControl theory (sociology)Electronic engineeringAlgorithmTelecommunicationsMathematicsWirelessEngineeringStatisticsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

We analyze the forward link spectral efficiency (SE) of a spatial multiplexing cellular MIMO system using adaptive modulation and scheduling (opportunistic and proportional fair). With the channel state information (CSI) available only at the receiver side, the minimum mean square error (MMSE)-based ordered successive interference cancellation is employed for detection with either forward or reverse ordering. When the channel state information (CSI) is available at the transmitter, separate channels are obtained via singular value decomposition (SVD) of the channel matrix. The post processing SNR for each stream is fed back to the transmitter to adapt the modulation level corresponding to each stream. The multi-user diversity gain due to scheeduling is observed to be very significant especially without power control. The SE gain from the SVD scheme becomes negligible in a high SNR region which would not justify the complexity of having the CSI at the transmitter. The proportional fair scheduling is a good choice to compromise SE and fairness when the average channel conditions of users are different.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,179
Écart entre enseignants0,169 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207