Two-Timescale Hybrid RF-Baseband Precoding With MMSE-VP for Multi-User Massive MIMO Broadcast Channels
Notice bibliographique
Résumé
This paper explores joint design of two-timescale hybrid RF-baseband precoding with minimum-mean-square-error (MMSE)-vector perturbation (VP) for multi-user massive multiple-input multiple-output systems, where users on the downlink are separated into geographical clusters, and each user cluster experiences identical transmit spatial correlation. Considering the perfect effective channel state information-based MMSE-VP at baseband, the spatial correlation-based RF precoder design is formulated as orthonormality-constrained stochastic optimization problems, where the objective functions cannot be characterized in closed form. RF eigen-beamforming is shown as an optimal solution for single-cluster transmission. In multi-cluster scenarios, mathematically tractable lower bounds are proposed and numerically optimized by trust-region Newton methods on Riemannian manifolds. Additionally, constant-modulus RF precoding based on the discrete Fourier transform (DFT) codebook is addressed. By recognizing the objective functions as a difference of increasing functions, branch-reduce-and-bound techniques are developed to find the globally optimal solutions to such combinatorial problems with reduced computational complexity. Simulation results demonstrate that the proposed nonlinear hybrid schemes deliver a superior bit error rate to other state-of-the-art baselines. The effectiveness of the suboptimal DFT-based RF solutions is also verified.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».