MétaCan
Menu
Retour à la cohorte
Enregistrement W3030516277 · doi:10.1109/tvt.2020.2998405

Performance of Distributed Massive MIMO and Small-Cell Systems Under Hardware and Channel Impairments

2020· article· en· W3030516277 sur OpenAlexafffund
Salah Elhoushy, Walaa Hamouda

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMIMOTelecommunications linkComputer scienceChannel (broadcasting)Software deploymentMulti-user MIMOWireless3G MIMOSpectral efficiencyDistributed computingCommunications systemComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

Deploying a large number of distributed access points (AP)s to serve a smaller number of users is one of the promising network architectures for future wireless communication systems. Such network architecture can be operated as a distributed massive multiple-input multiple-output (MIMO) system or as a small-cell (SC) system to satisfy the anticipated high rate requirements for beyond-5G networks. However, in a practical scenario with non-ideal hardware components and high-velocity users, the network experiences an inevitable performance degradation. This paper aims at analyzing the network performance under the operation of distributed massive MIMO and SC systems, taking into account the impairments of real and dynamic systems. Considering multiple-antennas APs, we derive novel closed-form expressions for the downlink (DL) spectral efficiency of both systems. We reveal that limiting the number of served users per AP in distributed massive MIMO systems leads to a corresponding loss in the performance, especially under max-min power control. Besides, despite the SC system provides the largest per-user average DL rate under the deployment of ideal APs, distributed massive MIMO systems become superior in the presence of non-ideal APs. Notably, while increasing the number of deployed non-ideal APs can reduce the introduced loss in distributed massive MIMO systems, this leads to an extra performance loss in SC systems. Finally, we show that the presence of high-velocity users is more harsh in SC systems. In addition, our results show that the SC system operation is more suitable for low-velocity users, however, it is better to operate networks with high velocities users under the distributed massive MIMO systems operation.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,187
Écart entre enseignants0,178 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207