Spectral Efficiency Maximization of a Single Cell Massive MU-MIMO Down-Link TDD System by Appropriate Resource Allocation
Notice bibliographique
Résumé
This paper deals with the problem of maximizing the spectral efficiency in a massive multi-user MIMO downlink system, where a base station is equipped with a very large number of antennas and serves single-antenna users simultaneously in the same frequency band, and the beamforming training scheme is employed in the time-division duplex mode. An optimal resource allocation that jointly selects the training duration on uplink transmission, the training signal power on downlink transmission, the training signal power on uplink transmission, and the data signal power on downlink transmission is proposed in such a way that the spectral efficiency is maximized given the total energy budget. Since the spectral efficiency is the main concern of this work, and its calculation using the lower bound on the achievable rate is computationally very intensive, in this paper, we also derive approximate expressions for the lower bound of achievable downlink rate for the maximum ratio transmission (MRT) and zero-forcing (ZF) precoders. The computational simplicity and accuracy of the approximate expressions for the lower bound of achievable downlink rate are validated through simulations. By employing these approximate expressions, experiments are conducted to obtain the spectral efficiency of the massive MIMO downlink time-division duplexing system with the optimal resource allocation and that of the beamforming training scheme. It is shown that the spectral efficiency of the former system using the optimal resource allocation is superior to that yielded by the latter scheme in the cases of both MRT and ZF precoders.
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 | 0,000 | 0,000 |
| 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 ».