MétaCan
Menu
Retour à la cohorte
Enregistrement W217396364

MIMO Channel Capacity in Co-Channel Interference

2002· article· en· W217396364 sur OpenAlexaff
Yi Song, Steven D. Blostein

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésInterference (communication)MIMOChannel (broadcasting)Channel capacityZero-forcing precodingCo-channel interferenceComputer sciencePrecodingAdjacent-channel interferenceNoise (video)Electronic engineeringTelecommunicationsEngineeringArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Recent information theory results have indicated that a large channel capacity exists for wireless systems with multiple transmit and receive antennas. With different assumptions of channel knowledge and interference knowledge at the transmitter, the channel capacity of multiple input multiple output (MIMO) systems has been studied under both spatially white and colored interference and noise. In this paper, we fix the total interference-plus-noise power and evaluate the outage capacity under two spatially colored interference environments: (1) a few high-data-rate interferers each with high power, (2) a large number of lowdata-rate interferers each with low power. The results show that MIMO capacity is larger with fewer high-data-rate interferers. We also assess the impact of an estimated channel and/or interference on capacity. In the case of 4 transmit and 4 receive antennas for the user of interest, 10 interferers, total-interference-to-noise ratio and signal-to-noise ratio are both 20dB, the results show that it is beneficial to estimate the channel and/or interference if the variance of estimation error is less than about 50% of the variance of true channel and/or interference.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,222
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations54
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207