MétaCan
Menu
Retour à la cohorte
Enregistrement W2101897080 · doi:10.1109/tvt.2007.891416

Minimum BER Transmit Power Allocation and Beamforming for Two-Input–Multiple-Output Spatial Multiplexing Systems

2007· article· en· W2101897080 sur OpenAlexaff
Neng Wang, Steven D. Blostein

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBeamformingSpatial multiplexingMIMOMultiplexingBit error rateElectronic engineeringComputer scienceTransmitter power outputPhase-shift keyingInterference (communication)PrecodingControl theory (sociology)TransmitterEngineeringAlgorithmTelecommunicationsDecoding methodsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

A two-input-multiple-output (TIMO) system represents an important special case of multiple-input-multiple-output (MIMO) systems in practical scenarios. In this paper, transmit optimization for TIMO spatial multiplexing systems is investigated. Minimum bit-error rate (MBER) is employed as the optimization criterion. Approximate MBER transmit power allocation for a variety of receiver structures is proposed, including zero-forcing, successive interference cancellation (SIC), and ordered SIC. Transmit-beamforming schemes using 4-ary pulse-amplitude modulation and quaternary phase-shift keying premixing are also proposed, which eliminate error floors in ill-conditioned TIMO channels. It is shown both analytically and by numerical simulations that the proposed schemes offer superior performance compared to existing schemes

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,265
Écart entre enseignants0,244 · 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

Citations15
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetCooperative Communication and Network CodingTravaux en français237 207