Feedback requirements in MIMO broadcast channels: An asymptotic analysis
Notice bibliographique
Résumé
In this paper, we consider a downlink communication system in which a base station (BS) equipped with M antennas and power constraint P communicates with N users each equipped with K receive antennas. It is assumed that the receivers have perfect channel state information (CSI), while the BS only knows the partial CSI, provided by the receivers via feedback. We study the minimum amount of feedback required at the BS, to achieve the maximum sum-rate capacity in the asymptotic case of N rarr infin, considering various signal to noise ratio (SNR) regimes. The amount of feedback is defined as the total average number of binits sent to the BS from the users. It is shown in the paper that i) In the low and fixed SNR regimes, it is not possible to achieve the maximum sum-rate with finite amount of feedback. Moreover, in order to get arbitrarily close to the sum-rate capacity in the fixed SNR regime, the amount of feedback must grow logarithmically with the sum-rate capacity. It is also established that random beam-forming scheme, proposed in, is feedback optimal in these regimes. ii) In the high SNR regime, the minimum required amount of feedback to achieve the sum-rate capacity depends on the number of receive antennas; in the case of K < M and large enough SNR, the minimum amount of feedback grows linearly with the sum-rate capacity and in the case of K ges M, it grows at most logarithmically with the sum-rate capacity. Furthermore, the amount of feedback does not need to grow with SNR in the case of K ges M.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».