Statistically-Aided Codebook-Based Hybrid Precoding for mmWave Single-User MIMO Systems
Notice bibliographique
Résumé
In this paper, we propose practical yet effective statistically-aided codebook-based hybrid precoding schemes for single-user massive MIMO systems operating in millimeter wave channels. We develop novel hybrid precoding algorithms for selecting analog and/or the digital precoders from DFT-based codebooks. The selection algorithms aim at maximizing the spectral efficiency based on minimizing the chordal distance between the optimal unconstrained precoder given by the dominant right singular vectors of the channel and the hybrid (digital/analog) beamformer selected from statistically skewed DFT codebooks. We investigate the performance of the proposed algorithms by considering the mutual information as a performance metric. We derive lower and upper bounds on the mutual information of the channel given the proposed algorithms. Moreover, we show that the performance gap between the lower and upper bounds depends heavily on how many DFT columns are aligned to the largest eigenvectors of the transmit antenna array response of the millimeter wave channel. Then, we show that the proposed algorithms are asymptotically optimal as the number of transmit antennas M goes to infinity and the millimeter wave channel has a limited number of paths, i.e., P <; M. Finally, we verify the performance of the proposed algorithms and the DFT codebook numerically. The results illustrate that the spectral efficiency performance of the proposed algorithms approaches the optimal precoder performance in certain scenarios.
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 ».