MétaCan
Menu
Retour à la cohorte
Enregistrement W3021261488 · doi:10.1109/access.2020.2992713

3D Angular-Based Hybrid Precoding and User Grouping for Uniform Rectangular Arrays in Massive MU-MIMO Systems

2020· article· en· W3021261488 sur OpenAlexafffund
Asil Koç, Ahmed Masmoudi, Tho Le‐Ngoc

Notice bibliographique

RevueIEEE Access · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPrecodingComputer scienceOverhead (engineering)MIMOChannel state informationBasebandZero-forcing precodingAlgorithmInterference (communication)Channel (broadcasting)Topology (electrical circuits)MathematicsTelecommunicationsWirelessBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

This paper proposes a new user grouping algorithm and three-dimensional (3D) angular-based hybrid precoding (AB-HP) scheme for massive multi-user multiple-input multiple-output (MU-MIMO) systems using uniform rectangular arrays (URA). At first, the users clustered in multiple spots are efficiently grouped according to the proposed user grouping algorithm, which only utilizes the user angle-of-departure (AoD) information and does not require prior knowledge of the number of user groups. By employing the AoD support of the user groups, the RF-beamformer of AB-HP is designed to reduce the inter-group interference, the channel state information (CSI) overhead, and the number of RF chains. Then, the digital baseband precoder of AB-HP is constructed via regularized zero-forcing (RZF) using the effective channel seen from baseband to simultaneously serve the users clustered in multiple groups, by considering three approaches: joint-group-processing (JGP), per-group-processing (PGP) and common-group-processing (CGP). For each approach, the signal-to-interference-plus-noise ratio (SINR) expressions as well as their tight deterministic approximations are derived. To further reduce the number of RF chains, we also propose a new transfer block design, which reduces the number of RF chains down to the number of independent data streams without penalizing the sum-rate performance. Illustrative results reveal that the proposed AB-HP schemes with the relaxed CSI estimation overhead and reduced hardware cost/complexity can closely approach to the sum-rate performance of the single-stage fully-digital precoding (FDP). Furthermore, AB-HP has considerably higher energy efficiency performance compared to FDP due to the reduced number of RF chains. We show through simulation that the proposed AB-HP can offer significantly better performance than existing HP techniques. The computational complexity of AB-HP is also analyzed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,253
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations60
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207