Multi-Node ML Time and Frequency Synchronization for Distributed MIMO-Relay Beamforming Over Time-Varying Flat-Fading Channels
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
In this paper, we investigate maximum likelihood (ML) time delay (TD) and carrier frequency offset (CFO) synchronization in multi-node decode-and-forward cooperative relaying systems operating over time-varying channels. This new synchronization scheme is embedded into a distributed multiple input multiple output (MIMO)-relay beamforming transceiver structure to avoid the drawbacks of multidimensional ML estimation at the destination and to minimize the overhead cost. By accounting for a perfect Doppler spread value, the new synchronization solution delivers accurate TD and CFO estimates. For real-world operation, however, this new technique can be jointly implemented with any Doppler spread estimator in a new iterative scheme using a time-constant channel (TCC)-based synchronization method at the initialization step. The resulting TD and CFO estimates along with the channel estimates are then fed into a distributed MIMO-relay beamforming transceiver of K single-antenna nodes, for pre-compensation at each node of the transmitted signals, to ensure constructive maximum ratio combining (MRC) at the destination. Simulation results show significant synchronization accuracy improvement over previous distributed multi-node synchronization techniques assuming TCCs. The latter translates into noticeable gains in terms of useful link-level throughput, more so at higher Doppler or with more relaying nodes.
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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