MétaCan
Menu
Retour à la cohorte
Enregistrement W2939750159 · doi:10.1109/vtcfall.2018.8690755

Efficient Group-Sparse Transceiver Design for Multiuser MIMO Relaying in C-RAN

2018· article· en· W2939750159 sur OpenAlexaff
Ayoub Saab, Jiaxin Yang, Benoı̂t Champagne, Ioannis Psaromiligkos

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTransceiverMIMORelayRadio access networkIterative methodEfficient energy usePrecodingDecoding methodsC-RANWirelessComputational complexity theoryTransmitter power outputMathematical optimizationElectronic engineeringAlgorithmBase stationPower (physics)Computer networkBeamformingTelecommunicationsTransmitterMathematicsEngineeringMobile stationElectrical engineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

This paper addresses the design of multiuser MIMO amplify-and-forward relaying within a cloud radio access network (C-RAN) from an energy-efficiency perspective. The aim is to jointly select remote radio heads and optimize their transceiver in order to assist the communication between multiple source-destination pairs. We formulate the design problem as an interference leakage minimization subject to per-relay power constraints along with linear signal preserving constraints at the destinations. To obtain an energy efficient relaying solution, the objective function is penalized with a regularization term which promotes group-sparsity among the resultant relaying weights. A low-complexity iterative algorithm based on the alternating direction method of multipliers (ADMM) is then proposed to solve the regularized problem. Simulation results demonstrate the explicit benefits of the proposed algorithm, which results in notably lower power consumption and computational complexity than conventional relaying design methods.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,795
Score d'incertitude au seuil0,513

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 Opus0,024
Tête enseignante GPT0,238
Écart entre enseignants0,214 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207