User Grouping and Hybrid RF/Baseband Precoding for Multi-User Massive MIMO Systems
Notice bibliographique
Résumé
In this paper, we investigate hybrid precoders for massive MIMO systems with the objective to reduce the number of radio-frequency (RF) chains. The users are first partitioned into groups that share similar angles of departure (AoDs) to design an angular-based RF-beamforming stage. Then a multi-user-Multiple Input Multiple Output (MIMO) baseband precoding stage is developed with reduced channel state information (CSI) dimension in massive MIMO systems. We develop a systematic approach to simultaneously determine the number of groups and to cluster the users accordingly. The partition is done by minimizing the inter-group interference using a similarity graph. We also incorporate a simple transfer block between the digital precoding and RF-beamforming stages to reduce the number of RF chains in massive MIMO systems. For a sufficiently large number of antennas and over a wide range of signal-to-noise ratio (SNR), the proposed hybrid RF/baseband precoding schemes can offer a sum-rate performance approaching that of the single-stage full digital optimal precoder, while keeping the number of RF chains equal to the number of users. Next, we propose a simple way to design the RF and baseband digital precoding stages in the case of multiple scatterings to fully exploit the multiple reflections that occur in dense urban environments. The proposed hybrid 2-stage RF/baseband schemes significantly outperform other hybrid RF/baseband precoding schemes using orthogonal multiplexing.
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 | 0,000 |
| 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 ».