MétaCan
Menu
Retour à la cohorte
Enregistrement W2520745536 · doi:10.1109/sam.2016.7569674

Robust MISO downlink: An efficient algorithm for improved beamforming directions

2016· article· en· W2520745536 sur OpenAlexaff
Mostafa Medra, Timothy N. Davidson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBeamformingTelecommunications linkComputer scienceReduction (mathematics)Base stationChannel state informationSensitivity (control systems)AlgorithmQuality of serviceComputational complexity theoryChannel (broadcasting)Set (abstract data type)Power (physics)Performance improvementMathematical optimizationElectronic engineeringWirelessEngineeringTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

The design of a set of beamformers for the multiple-input single-output (MISO) downlink that provides the scheduled users with the quality-of-service (QoS) level that they requested can be quite sensitive to the accuracy of the channel state information (CSI) that is available at the base station. To mitigate that sensitivity, models for the uncertainty in the CSI can be incorporated in the design formulation, but the resulting optimization problems are typically difficult to solve. A recently developed low-complexity algorithm for the power loading problem, in which the beamforming directions are pre-defined, has demonstrated good performance in numerical experiments. In this paper the reasons that underlie that good performance are examined. Then, using insights from that analysis, a computationally-efficient algorithm for jointly designing the beamforming directions and the power loading is developed. The resulting beamformers provide a significant reduction in the outage probability, and a hybrid of the two algorithms provides even further reduction.

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: Méthodes
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,357

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 GPT0,221
Écart entre enseignants0,208 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207