Data throughputs using multiple-input multiple-output (MIMO) techniques in a noise-limited cellular environment
Notice bibliographique
Résumé
We present a general framework to quantify the data throughput capabilities of a wireless communication system when it combines: (1) multiple transmit signals; (2) adaptive modulation for each signal; and (3) adaptive array processing at the receiver. We assume a noise-limited environment, corresponding to either an isolated cell or a multicell system whose out-of-cell interference is small compared with the thermal noise. We focus on the user data throughput, in bits per second/Hertz (bps/Hz), and its average over multipath fading, which we call the user spectral efficiency. First, an analysis method is developed to find the probability distribution and mean value of the spectral efficiency over the user positions and shadow fadings, both as a function of user distance from its serving base station and averaged over the cell coverage area. We assume fading conditions and receiver processing that lend themselves to closed-form analysis. The resulting formulas are simple and straightforward to compute, and they provide a number of valuable insights. Next, we run Monte Carlo simulations, both to confirm the analysis and to treat cases less amenable to simple analysis. A key contribution of this paper is a simple formula for the mean spectral efficiency in terms of the propagation exponent, mean signal-to-noise ratio at the cell boundary, number of antennas, and type of coding. Under typical propagation conditions, the mean spectral efficiency using three transmit and three receive antennas ranges from 19.2 bps/Hz (uncoded) to 26.8 bps/Hz (ideally coded), highlighting the potential benefits of multiple transmissions combined with adaptive techniques. This is much higher than the spectral efficiencies for a link using a single transmitter and a threefold receive diversity under the same conditions, where the range is from 8.77 bps/Hz to 11.4 bps/Hz. Moreover, the latter results are not nearly as practical to achieve, as they can for large signal constellations that would be highly vulnerable to impairments.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».