Modulation-Specific Multiuser Transmit Precoding and User Selection for One-Dimensional Signaling
Notice bibliographique
Résumé
Massive deployment of low data rate Internet of things and eHealth devices that require high reliability motivates the development of practical precoding and user selection techniques. In this paper, we show that throughput and communications reliability can be improved by incorporating knowledge of modulation type in the design of the multiuser transmit precoder. The transmission of low data rate one-dimensionally modulated signals in a broadcast channel is considered. The transmit precoding matrix is determined by minimizing the weighted sum of error probabilities of users. Although the proposed minimum probability of error (MPE) precoding problem is nonconvex and highly nonlinear, it is solved by the alternating minimization of two convex subproblems. A reduced-complexity version of convex MPE precoding is then introduced, which exponentially reduces the complexity of the problem. Numerical results show that the proposed precoding techniques significantly improve system performance in broadcast channels. A user selection algorithm, compatible with MPE precoding, is also proposed that selects users if their error probabilities can approach zero. Based on line packing principles in Grassmannian manifolds, it is shown that the number of selected users could potentially be more than the number of transmit antennas, which translates to supporting more simultaneous users in the shared channel compared to existing user selection methods.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».