MétaCan
Menu
Retour à la cohorte
Enregistrement W2783454754 · doi:10.1109/icecta.2017.8252016

On linear detector's spectral capacity for massive MIMO systems

2017· article· en· W2783454754 sur OpenAlexaff
Mohammed Zourob, Raveendra K. Rao

Notice bibliographique

Revue2017 International Conference on Electrical and Computing Technologies and Applications (ICECTA) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMIMOChannel state informationSpectral efficiencyMinimum mean square errorComputer scienceBase stationAntenna (radio)Topology (electrical circuits)DetectorControl theory (sociology)TelecommunicationsMathematicsChannel (broadcasting)WirelessStatistics

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate and study the performance of three linear receivers in Multi-User Multiple-Input-Multiple-Output (MU MIMO) systems with large antenna arrays, namely very large MU MIMO or massive MIMO. In general, when the number of antennas at the Base Station (BS) is much larger than the number of users in the system, linear receivers perform quite well. Therefore, we present the derivation, with perfect Channel State Information (CSI) and imperfect CSI, the lower capacity bounds for Maximum-Ratio Combining (MRC), Zero Forcing (ZF) and Minimum Mean Square Error (MMSE) receivers. Mathematical analysis and simulations suggest that the users' transmission power can be reduced by the number of BS antennas in the case of perfect CSI, and can be reduced by the square root of the number of BS antennas in the case of imperfect CSI, while providing a set, desired Quality-of-Service (QoS). Compared to the single antenna system, the presented results showed that spectral efficiency of the system is enhanced by using fairly large antenna arrays.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,629

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 Opus0,035
Tête enseignante GPT0,276
Écart entre enseignants0,241 · 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
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2017 International Conference on Electrical and Computing Technologies and Applications (ICECTA)Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207