Hybrid ARQ in Multicell MU-SIMO With Large-Scale Antenna Arrays
Notice bibliographique
Résumé
We consider hybrid automatic repeat and request (HARQ) schemes in the uplink of a multicell multiuser single-input multiple-output system with large-scale antenna arrays at the base station (BS) for improving the spectral efficiency while limiting the number of retransmissions. Assuming a zero-forcing receiver at each BS and that each BS knows only the channel gains of users in its own cell, we derive the expressions for the outage probability and long-term average transmission rate (LATR) of the Type-I HARQ, HARQ with chase-combining (HARQ-CC), and HARQ with incremental redundancy (HARQ-IR). We then formulate the optimal rate-selection problems for the three schemes and provide methods to find a solution. Since the optimal-rate selection methods for the HARQ-CC and HARQ-IR schemes are computationally intensive, we propose sub-optimal rate-selection methods, which yield a closer LATR performance to that of the optimal methods. For the Type-I HARQ and HARQ-IR, we also present a parameterization-based method showing the approximate relation between the expressions of the optimized-LATR, optimal rate, and number of antennas. Illustrative results show that the HARQ-IR has significant gain over HARQ-CC and Type-I HARQ in terms of LATR, while Type-I HARQ yields practically similar performance to HARQ-CC as the number of antennas at the BS increase.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».