MIMO Precoder Designs for Frequency-Selective Fading Channels Using Spatial and Path Correlation
Notice bibliographique
Résumé
Multiple-input-multiple-output (MIMO) precoder design for frequency-selective fading channels using partial channel information based on the spatial and path correlation matrices is presented. By representing a frequency-selective fading channel as a multipath model with <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">L</i> effective paths, a general precoding structure is proposed and used to derive optimum precoding designs that maximize Jensen's upper bound on the channel ergodic capacity under the transmitted power constraint for two cases, i.e., uncorrelated and correlated channel paths. Analytical results show that, in the uncorrelated case, the precoder structure consists of a number of parallel precoders for frequency-flat fading channels. The power assignment to each precoder and the power allocation over the eigenmodes of each precoder are calculated based on the power of channel paths and the eigenvalues of the transmit correlation matrix. In the correlated case, the precoder structure is an eigenbeamformer with the beams referred to a function of eigenvectors of the Kronecker product of path and transmit correlation matrices. Furthermore, the power allocated to each eigenmode can be obtained from a statistical water-pouring policy that is specified by the product of eigenvalues of the transmit antenna and path correlation matrices. Simulation results for different scenarios indicate that the proposed precoder can increase the ergodic capacity of MIMO systems in a frequency-selective fading environment with spatial and path correlations, and its offered capacity gain is increased with the level of correlation and numbers of antennas and channel paths.
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 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».