Interference Alignment - based Precoding and User Selection with Limited Feedback in Two - cell Downlink Multi - user MIMO Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Interference alignment (IA) is a new approach to address interference in modern multiple-input multiple-out (MIMO) cellular networks in which interference is an important factor that limits the system throughput. System throughput in most IA implementation schemes is significantly improved only with perfect channel state information and in a high signal-to-noise ratio (SNR) region. Designing a simple IA scheme for the system with limited feedback and investigating system performance at a low-to-medium SNR region is important and practical. This paper proposed a precoding and user selection scheme based on partial interference alignment in two-cell downlink multi-user MIMO systems under limited feedback. This scheme aligned inter-cell interference to a predefined direction by designing user's receive antenna combining vectors. A modified singular value decomposition (SVD)-based beamforming method and a corresponding user-selection algorithm were proposed for the system with low rate limited feedback to improve sum rate performance. Simulation results show that the proposed scheme achieves a higher sum rate than traditional schemes without IA. The modified SVD-based beamforming scheme is also superior to the traditional zero-forcing beamforming scheme in low-rate limited feedback systems. The proposed partial IA scheme does not need to collaborate between transmitters and joint design between the transmitter and the users. The scheme can be implemented with low feedback overhead in current MIMO cellular networks.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle