On the Design of Linear Transceivers for Multiuser Systems with Channel Uncertainty
Notice bibliographique
Résumé
We consider the design of linear transceivers for multiuser communication systems in the presence of uncertain channel state information (CSI), with an emphasis on downlink systems with a single antenna at each receiver. For systems with uplink-downlink reciprocity, we consider a stochastic model for the channel uncertainty, and we propose an efficient algorithm for the joint design of the linear preceding matrix at the base station and the equalizing gains at the receivers so as to minimize the average mean-square-error (MSE) over the channel uncertainty. The design is based on a generalization, derived herein, of the MSE duality between the broadcast and multiple access channels (MAC) to scenarios with uncertain CSI, and on a convex formulation for the design of robust transceivers for the dual MAC. For systems in which quantized channel feedback is employed, we consider a deterministically-bounded model for the channel uncertainty, and we study the design of robust downlink transceivers that minimize the worst- case MSE over all admissible channels. While we show that the design problem is NP-hard, we also propose an iterative local optimization algorithm that is based on efficiently-solvable convex conic formulations. Our framework is quite flexible, and can incorporate different bounded uncertainty models as well as a variety of power constraints. In particular, we study a "system-wide" uncertainty model, and although the resulting design problem is still NP hard, it does result in a significantly simpler iterative local design algorithm than the "per-user" uncertainty model. Our approaches to the minimax design for the downlink can be extended to the uplink, and we provide explicit formulations for the resulting uplink designs. Simulation results indicate that the proposed approaches to robust linear transceiver design can significantly reduce the sensitivity of the downlink to uncertain CSI, and can provide improved performance over that of existing robust designs.
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 | 0,002 | 0,007 |
| 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 | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| 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 | 0,001 |
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 ».