MIMO-OFDM Channel Estimation in the Presence of Frequency Offsets
Notice bibliographique
Résumé
Optimal pilot design and placement for channel estimation in multiple-input multiple-output (MIMO) orthogonal frequency-division multiplexing (OFDM) systems with frequency offsets are considered. Both the single-frequency- offset case and the multiple-frequency-offset case are treated. We show that the constant-envelope (CE) condition is sufficient but not necessary for pilot design, and that pilots with multiple envelopes can also achieve the optimal performance in terms of the mean square error (MSE) minimization, provided that an additional constraint on the pilot placement is satisfied simultaneously. New pilot designs, which take into account the multiple-frequency-offset case, are proposed to eliminate inter- pilot-interference (IPI) and to optimize the MSE performance. The least-squares (LS) and linear minimum mean square error (LMMSE) channel estimators for the multiple-frequency- offset case are designed for uncorrelated and correlated MIMO-OFDM channels, respectively. The LMMSE estimator requires the channel covariance matrix. Both optimal adaptive pilot power allocation and suboptimal uniform pilot power allocation are developed for the proposed LMMSE estimator. The adaptive allocation performs 4 dB better than the uniform allocation in the high noise region, but they both perform identically in the low noise region. Performance comparisons are made against several previous pilot designs due to [1], [2]. The proposed LMMSE estimator significantly outperforms the LS estimator.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».