Performance Analysis of Massive Multi-input and Multi-output with Imperfect Channel State Information
Notice bibliographique
Résumé
The type and state of the fading channel directly affect the performance of massive multi-input and multi-output (MIMO) system. For example, the small and large fading (SSF and LSF) of the channel have a great impact on the sum-rate of the system. However, the channel state information (CSI) is far from perfect, making it difficult to analyze the sum-rate of massive MIMO systems with uniform user distribution. To solve the problem, this paper proposes three scheduling algorithms, namely, semi-orthogonal user scheduling (SUS), random user scheduling (RUS), and distance-dependent user scheduling (DUS). The three algorithms were adopted to schedule different number of users (8, 10 and 12), based on the maximum signalto-noise ratio (SNR) with changing number of base station antennas, number of active users, etc. The zero forcing (ZF) precoding was employed to improve the sum-rate, and the highly scattering Rayleigh fading channel was considered for both SSF and LSF, in the light of user locations. Under imperfect CSI and additional noise, the DUS achieved higher sum-rate than the other algorithms. The research results shed new light on the use of massive MIMO systems for 5G applications with high sum-rate requirements.
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 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».