MétaCan
Menu
Retour à la cohorte
Enregistrement W2148251710 · doi:10.1109/wcnc.2007.325

Simplified Antenna Selection and User Scheduling for Orthogonal Space-Division Multiplexing

2007· article· en· W2148251710 sur OpenAlexaff
Shreeram Sigdel, Witold A. Krzymień

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScheduling (production processes)Telecommunications linkAlgorithmSignal subspaceSubspace topologySelection algorithmOrthogonal frequency-division multiplexingSelection (genetic algorithm)Channel (broadcasting)MultiplexingAntenna (radio)Interference (communication)Computational complexity theoryTheoretical computer scienceMathematical optimizationMathematicsComputer networkTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, we study simplified algorithms for user scheduling in conjunction with receive antenna selection (RAS) for two downlink multiuser orthogonal space-division multiplexing techniques: block diagonalization (BD) and successive optimization (SO). Proposed algorithms select user and antenna subsets that maximize total power gain of the equivalent channel through mutual null-space projections of the active user channels. With this approach, algorithms add the best user at a time from the set of users not selected yet to the set of selected users until the desired number of users have been selected. To reduce the complexity further, users whose channel correlation to the signal subspace of the previously selected users is under some specified threshold are grouped at each step of the algorithm such that next user is selected from that group. This avoids the search through all K - i remaining users at the ith step of the algorithm. Two RAS algorithms are proposed, which further enhance the power gain of the equivalent channel by selecting a subset that contributes most towards the sum rate. For SO, user selection accounts for the interference of the previously selected users and maximizes the ratio of the total power of the equivalent channel to the approximate interference power on the desired signal subspace. Proposed algorithms perform close to the previously proposed algorithms with much less complexity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,252
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207