Downlink MU-MIMO With QoS Aware Transmission: Precoder Design and Performance Analysis
Notice bibliographique
Résumé
In this paper, a downlink wireless communication channel is considered. The base station (BS) has common data for all users, unicast data for a set of intended users, and transmits the superposition of these messages. This setting neither falls into the non-orthogonal multiple access (NOMA) nor into the multi-group multicasting literatures. In NOMA systems, the BS has unicast data for all users, and multiple users share the same resources. In multi-group multicasting, there are non-overlapping groups, each demanding a different multicast message. This paper studies precoder design to achieve maximum weighted sum rate (WSR). It is first shown that the precoders designed for WSR maximization and weighted minimum mean square error (WMMSE) minimization are equivalent. Second, an iterative low complexity algorithm (named WMMSE), based on WMMSE transmit precoders and receivers, is proposed. Another low-complexity precoder, the phase aligned zero forcing (PAZF) precoder, is also introduced. The results show that both algorithms converge fast. The WMMSE algorithm outperforms both PAZF and the zero-forcing (ZF) precoder for all signal-to-noise ratio ranges. It offers better interference management and high coherent combining gains for common data while PAZF finds the optimal phase rotation on the ZF precoder, and increases coherent combining gains.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».