Subspace decomposition approach to multi-user MIMO channel estimation in SC-FDE systems
Notice bibliographique
Résumé
Multiuser multiple-input multiple-output (MU-MIMO) wireless systems that employ single-carrier frequency-domain equalization (SC-FDE) for uplink transmissions can provide high data rates with increased spectral efficiency under severe channel conditions. However, the availability of accurate channel estimates at the base station (BS) receiver is crucial for achieving peak performance. In this paper, we investigate the use of subspace decomposition and derive a novel algorithm for the blind estimation of MU-MIMO channels in SC-FDE systems, as specified by the 3GPP LTE. By exploiting the long data blocks available in LTE standards, our proposed blind algorithm can obtain accurate estimates of the MU-MIMO channels over every block of transmitted data. This provides for a bandwidth-efficient solution in SC-FDE systems by eliminating (reducing) the need to allocate an entire block of pilot sequences for each active transmitter. Furthermore, since the channel estimation is deployed at the BS, the computational complexity is not considered to be a significant burden for future systems in exchange for the increased spectral efficiency. The results of simulations over fading channels, using realistic system parameters representative of LTE-Advanced, demonstrate the advantages of our proposed blind subspace-based channel estimation algorithm and support the feasibility of the resulting MU-MIMO SC-FDE scheme with reduced training.
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 | 0,001 |
| 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 ».