Notice bibliographique
Résumé
This paper provides an analytical performance characterization of user-centric cooperation for network multiple-input multiple-output (MIMO) systems, where base-stations (BSs) form finite-sized clusters to jointly transmit information to and receive information from multiple mobile users. In the user-centric model, the cooperation BS cluster for each user is formed individually and may overlap with each other. The size of clusters determines the amount of backhaul and channel state information needed for implementation. The BSs are equipped with multiple antennas; multiple single-antenna users are served simultaneously; the cooperating BSs perform zero-forcing beamforming across the cluster. By using a stochastic geometry model where the BSs and the users form Poisson point processes over the two-dimensional plane and by further approximating both the signal and interference powers using Gamma distributions of appropriate parameters, this paper shows that, network MIMO provides sum-rate gain for both uplink (UL) and downlink (DL) transmission as compared to single-cell processing. The sum-rate gain is about 30%-60% for a cluster size of 10 and is larger in DL than UL in a typical deployment due to the larger DL transmit power. More significantly, network MIMO can provide 300% gain or more for cluster-edge users, but only for the DL and only with user-centric clustering. This highlights the conclusion that performance evaluation for network MIMO should focus on DL cluster-edge users and on the user-centric clustering strategy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».