Diversity‐multiplexing tradeoff over correlated Rayleigh fading channels: a non‐asymptotic analysis
Notice bibliographique
Résumé
Abstract In this paper, we present a finite‐signal‐to‐noise ratio (finite‐SNR) framework to establish tight bounds on the diversity‐multiplexing tradeoff of a multiple input multiple output (MIMO) system. We focus on a more realistic propagation environment where MIMO channel fading coefficients are correlated and where SNR values are finite. The impact of spatial correlation on the fundamental diversity‐multiplexing tradeoff is investigated. We present tight lower bounds on the outage probability of both spatially uncorrelated and correlated MIMO channels. Using these lower bounds, accurate finite‐SNR estimates of the diversity‐multiplexing tradeoff are derived. These estimates allow to gain insight on the impact of spatial correlation on the diversity‐multiplexing tradeoff at finite‐SNR. As expected, the diversity‐multiplexing tradeoff is severely degraded as the spatial correlation increases. For example, a MIMO system operating at a spectral efficiency ofRbps/Hz and at an SNR of 5 dB in a moderately correlated channel, achieves a better diversity gain than a system operating at the same spectral efficiency and at an SNR of 10 dB in a highly correlated channel, when the multiplexing gainris greater than 0.8. Another interesting point is that provided that the spatial correlation channel matrix is of full rank, the maximum diversity gain is not affected by the spatial correlation. Copyright © 2009 John Wiley & Sons, Ltd.
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 | 0,004 | 0,021 |
| 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 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».