MétaCan
Menu
Retour à la cohorte
Enregistrement W2985653646 · doi:10.1109/vtcfall.2019.8891298

Angular-Based 3D Hybrid Precoding for URA in Multi-User Massive MIMO Systems

2019· article· en· W2985653646 sur OpenAlexaff
Asil Koç, Ahmed Masmoudi, Tho Le‐Ngoc

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPrecodingBasebandMIMOOverhead (engineering)Channel state informationZero-forcing precodingComputer scienceBeamformingElectronic engineeringInterference (communication)Channel (broadcasting)Topology (electrical circuits)EngineeringTelecommunicationsWirelessElectrical engineeringBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

This paper proposes a new angular-based 3D two- stage hybrid precoding scheme for multi-user massive MIMO systems using uniform rectangular arrays (URA), where users are partitioned into different groups based on the similarity of their angle-of-departure (AoD) information. At first using the user-group AoD ranges, the RF- beamforming stage is designed to reduce the inter- group interference, the number of RF chains, and the channel state information (CSI) overhead. Then, the digital baseband precoder stage is constructed via regularized zero-forcing (RZF) technique using the effective channel seen from baseband to reduce the intra-group interference between the users, considering three approaches: joint-group-processing (JGP), per-group-processing (PGP) and common-group-processing (CGP). Illustrative results indicate that the proposed two-stage hybrid precoding schemes with the reduced hardware cost/complexity and relaxed CSI estimation overhead can closely approach the sum- rate performance of the ideal single-stage fully- digital precoding. Moreover, their performance gap becomes negligible as the array size increases.

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 enseignants0,913
Score d'incertitude au seuil0,657

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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207