A cognitive MIMO transceiver for enhanced 4G and beyond link-level throughput
Notice bibliographique
Résumé
A novel MIMO cognitive transceiver (CTR) for LTE-downlink communication system is devised in this work. We consider the cognition concept from the perspective of providing a highly reliable communication to the mobile user anytime anywhere. Rather than handling spectrum allocation (the common perspective of cognitive radio), we consider the channel estimation as the reconfiguration parameter of the proposed CTR. The developed cognitive transceiver is capable of selecting the best channel identification scheme between the conventional least squares (LS) estimator and the recently proposed maximum likelihood (ML) estimator. the proposed CTR is also able to toggle between the conventional pilot-assisted or data-aided (DA) mode and the non-data-aided with pilot (NDA with pilot) mode that relies on both reference and data symbols to track the channel variations. The decision rules of the new CTR that identify the best combination couple of pilot-use and channel-identification modes are drawn after running extensive and exhaustive LTE-downlink link-level simulations. The proposed CTR outperforms all static transceivers, in terms of link-level performance, for any given operating conditions such as SNR, mobile speed, channel type, and channel quality indicator (CQI). The new proposed CTR offers significant link-level throughput gains against the LS channel estimator working in a pilot-assisted mode in most operating conditions and the improvement gains can reach as much as 100% at low SNR and high mobility!
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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».