Fountain Codes and Linear Filtring to Mitigate Pilot Contamination Issue in Massive MiMo
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
The fifth generation of cellular mobile (5G) is a future technology to meet growing capacity of users. For this prupose 5G will use advanced technologies. Very large multi- input multi- output or massive MiMo (m-MiMo) is considered as one of the promising technology. Nevertheless, the performance of m-MiMo is limited by pilot contamination issue. In fact, to mitigate pilot contamination issues in massive multi-input multi-output (m-MiMo), we proposed in previous work a new scheme where Raptor decoded symbols are used to estimate channel with Minimum Mean Square Error (MMSE) technique. The main benefit of this method is that the receiver does not need a transmitted pilot symbols to evaluate the channel, which allows saving power at transmission. The results showed that the MMSE scheme achieved the ideal case of the perfect channel. In this precedent paper, the MMSE detector and raptor code are used for their robustness among other schemes of linear detectors, and corrector codes, nevertheless, in case of m-MiMO, it was shown that all linear detectors work optimally. For this purpose, we include in this present article an additional linear filter to enhance the prior study, in which two supplementary detectors are considered, namely Zero Forcing (ZF) and Maximum Ratio Compression (MRC). The objective of this paper is to determine the ideal filtering technique and the robustness fountain code to address pilot contamination problem. In fact, the simulation results show that the ZF can attain the same ideal performance as the MMSE with raptor decoded symbols while MRC achieved lower performance compared to the other two shemes. 
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 | 0,000 | 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