Self-Interference Cancellation With Nonlinearity and Phase-Noise Suppression in Full-Duplex Systems
Notice bibliographique
Résumé
This paper addresses the self-interference (SI) cancellation for full-duplex operation in the presence of imperfect radio-frequency (RF) components. In particular, we develop a new scheme to jointly estimate and cancel the in-phase/quadrature mixer imbalance, power amplifier nonlinearities, up-/down-conversion phase noise, and the SI channel. First, we develop a detailed baseband model that captures the most significant transceiver RF imperfections, for both separate- and common-oscillator structures used in the up- and down-conversions. Then, a basis expansion model is derived to approximate the time-varying phase noise and to transform the problem of estimating the time-varying phase noise into the estimation of a set of time-invariant coefficients. Subsequently, the likelihood function is derived in the presence of the unknown intended signal to formulate the joint estimation of the intended channel, SI channel, nonlinear impairments, and phase noise, under the maximum likelihood (ML) criterion. An iterative procedure is developed to find the ML estimate of the different parameters based on the known transmitted data, the known pilot symbols, and the statistics of the unknown intended signal received from the intended transmitter. The full use of the received signal significantly reduces the required number of pilot symbols as compared to training-based techniques. We consider the two pilot-insertion structures used in LTE for the frequency-multiplexed pilots and the time-multiplexed pilots. Simulation results indicate that the proposed ML algorithms can offer a superior SI-cancellation performance with the resulting intended-signal-to-SI-and-noise ratio very close to the intended-signal-to-noise ratio.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».