MétaCan
Menu
Retour à la cohorte
Enregistrement W3012983481 · doi:10.1186/s13638-020-1637-4

Channel estimation based on the PSS-MUSIC for millimeter-wave MIMO systems equipped with co-prime arrays

2020· article· en· W3012983481 sur OpenAlexaff
Shufeng Li, Guangjing Cao, Libiao Jin, Hongda Wu

Notice bibliographique

RevueEURASIP Journal on Wireless Communications and Networking · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensYork University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésComputer scienceChannel (broadcasting)Prime (order theory)Path (computing)AlgorithmAperture (computer memory)MIMODirection of arrivalExtremely high frequencyComputational complexity theoryTelecommunicationsAcousticsMathematicsPhysicsAntenna (radio)

Résumé

récupéré en direct d'OpenAlex

Abstract The millimeter-wave channel estimation problem can be solved by estimating the path directions and the path gains. The previous schemes are nearly all based on the uniform linear arrays (ULAs). However, compared with the ULAs, the co-prime array can use fewer array elements to realize larger array aperture, which is beneficial to improve the performance of arrival direction estimation contributing to the estimation performance of angle of arrival (AOA) and angle of departures (AOD). Encouraged by the property of co-prime arrays, a novel channel estimation scheme is proposed for two-dimensional (2-d) co-prime arrays. For each path direction, multiple peaks are generated in the spatial spectrum of each subarray and by selecting over any limited sector to search for an arbitrary peak, which can recover the rest peaks. Then by comparing the peaks of the two subarrays, the common peaks are the correct path direction. Compared with the total-spectrum search (TSS) method, this method effectively reduces the complexity. Simulation results show that the proposed algorithm can reduce the computational complexity and maintain accurate channel estimation.

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)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,952
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,106
Tête enseignante GPT0,291
Écart entre enseignants0,185 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Wireless Communications and NetworkingMême sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207