MétaCan
Menu
Retour à la cohorte
Enregistrement W2898740861 · doi:10.1109/5gwf.2018.8516942

Millimeter Wave Massive MIMO with Alamouti Code and Imperfect Channel State Information

2018· article· en· W2898740861 sur OpenAlexaff
Mohamed Alouzi, François Chan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMillimeter-Wave Propagation and Modeling
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésMIMOComputer scienceBeamformingChannel state informationBase stationPath lossElectronic engineeringSpectral efficiencyBandwidth (computing)Channel (broadcasting)TelecommunicationsWirelessComputer networkEngineering

Résumé

récupéré en direct d'OpenAlex

Massive MIMO is one of the technologies considered in 5G to provide a much higher capacity without requiring more wireless spectrum. Because of the congestion in the radio frequency spectrum below 6 GHz, the millimeter Wave (mmWave) band has increasingly become more attractive to researchers since it offers a much larger unused bandwidth. However, the higher path loss at mmWave frequencies and the poor scattering nature of the mmWave channel (fewer paths exist) represent a challenge for communications. A hybrid beamforming technique with large antenna arrays and the Alamouti coding scheme are used in this paper to improve the performance of a single-user mmWave massive MIMO system. When perfect Channel State Information (CSI) is not available at the Base Station (BS), computer simulations have shown that a gain of 20 dB or more can be achieved by using the Alamouti code compared to the system with hybrid beamforming only, and more importantly, the error probability does not level off.

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 enseignants0,677
Score d'incertitude au seuil0,413

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 Opus0,013
Tête enseignante GPT0,196
Écart entre enseignants0,183 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMillimeter-Wave Propagation and ModelingTravaux en français237 207