MétaCan
Menu
Retour à la cohorte
Enregistrement W2786217313 · doi:10.1109/pimrc.2017.8292406

Joint design of beam selection and precoding for mmWave MU-MIMO systems with lens antenna array

2017· article· en· W2786217313 sur OpenAlexaff
Rongbin Guo, Yunlong Cai, Qingjiang Shi, Minjian Zhao, Benoı̂t Champagne

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMillimeter-Wave Propagation and Modeling
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPrecodingMIMOComputer scienceTelecommunications linkZero-forcing precodingAntenna (radio)Electronic engineeringOptimization problemTransmitterMulti-user MIMOAlgorithmTelecommunicationsBeamformingEngineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Wireless transmission with lens antenna arrays is becoming more and more attractive for millimeter wave (mmWave) multiple-input multiple-output (MIMO) systems with limited radio frequency (RF) chains due to their energy-focusing capability. In this paper, we consider the joint design of beam selection and precoding to maximize the sum rate of a downlink single-sided lens MU-MIMO mmWave system under transmit power constraints. We first formulate the optimization problem into a tractable form using the popular weighted minimum mean squared error (WMMSE) approach. To solve this problem, we then propose an efficient joint beam selection and precoding algorithm based on the innovative penalty dual decomposition (PDD) method. Simulation results demonstrate that our proposed algorithm can achieve near-optimal performance when compared to the fully digital precoding scheme and thus outperform the competing methods.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,292

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 Opus0,072
Tête enseignante GPT0,231
Écart entre enseignants0,160 · 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'étudeExpérimental (laboratoire)
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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMillimeter-Wave Propagation and ModelingTravaux en français237 207