Distributed Massive MIMO Systems With Non-Reciprocal Channels: Impacts and Robust Beamforming
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hardware calibration is essential to restore the uplink/downlink channel reciprocity for multi-user massive multiple-input multiple-output (MIMO) systems operating in a time division duplexing mode. Unfortunately, due to the associated overhead, calibration cannot be performed frequently; furthermore, any calibration procedure leaves behind a residual mismatch between the uplink and downlink channels. In this paper, we study the effects of these calibration errors on the achievable rates in the downlink of a multi-cell, multi-user, and distributed massive MIMO system. Specifically, we develop accurate, yet simple, lower-bounds on the per-user achievable rate, assuming either zero-forcing (ZF) or matched filtering (MF) are used. We also introduce a performance loss coefficient as a measure of sensitivity of the performance to the calibration errors. Using this measure, we identify the conditions under which ZF precoding is more sensitive to calibration errors than MF. Finally, we consider the robust weighted sum-rate maximization problem to mitigate the degrading effects of non-ideal calibration. Our numerical experiments show that the rate lower-bounds developed in this paper accurately quantify the impacts of non-ideal calibration on performance. Also, the proposed robust beamforming scheme improves the average sum-rate by up to 42% compared with the other available schemes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle