MétaCan
Menu
Retour à la cohorte
Enregistrement W2742633106 · doi:10.1109/twc.2017.2734772

Nonlinear MIMO Transceivers Improve Wireless-Powered and Self-Interference-Aided Relaying

2017· article· en· W2742633106 sur OpenAlexaff
Lei Zhang, Yunlong Cai, Minjian Zhao, Benoı̂t Champagne, Lajos Hanzo

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensMcGill University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésRelayComputer scienceTransceiverRobustness (evolution)MIMOPrecodingTransmitter power outputControl theory (sociology)WirelessChannel state informationMathematical optimizationChannel (broadcasting)Power (physics)MathematicsTelecommunicationsTransmitter

Résumé

récupéré en direct d'OpenAlex

This paper investigates the design of robust nonlinear transceivers conceived for multiple-input multiple-output full-duplex wireless-powered relay networks in the face of realistic imperfect channel state information (CSI). A novel self-energy recycling aided relaying protocol is employed, whereby the relay node benefits from energy harvesting (EH) gleaned from the self-interfering link in addition to its primary energy. The proposed nonlinear transceiver relies on a Tomlinson-Harashima (TH) precoder along with an amplify-and-forward (AF) relaying matrix and a linear receiver, where the TH precoder is composed of a feedback matrix and a source precoding matrix. Two different criteria are considered for the robust design of the nonlinear transceiver in the presence of channel estimation errors modeled by the Gaussian distribution. The first one aims to minimize the mean-squared-error (MSE) at the destination subject to a transmit power constraint at the source and an EH constraint at the relay. The resultant optimization problem is converted to four subproblems and solved via an alternating optimization (AO) algorithm that iteratively updates the transceiver coefficients by sequentially addressing each subproblem, while keeping the other matrix variables fixed. The second design criterion aims to minimize the transmit power at the source under both MSE and EH constraints. Similarly, an AO-based iterative algorithm is proposed for solving this problem. Our simulation results show that the robust design advocated is capable of alleviating the effects of CSI errors, hence improving the robustness of the system over that of the corresponding linear designs.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,251
Écart entre enseignants0,230 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207