Hybrid beamforming designs for 5G new radio with fronthaul compression and functional splits
Notice bibliographique
Résumé
In this study, the authors investigate the intra‐physical functional splits of 5G new radio protocol stack proposed by different groups. Based on the location of the digital beamforming block, the radio units (RUs) are divided into two categories: Category A and Category B. Two implementation modes of hybrid beamforming at the physical layer are considered, in which digital beamforming is performed either at the distributed unit (DU), as in the Category A RU based hybrid beamforming (HBF‐A) scheme, or at the RUs, as in the Category B RU based hybrid beamforming (HBF‐B) scheme. To maximise the weighted sum rate, the authors formulate the problems of jointly designing hybrid beamforming, analogue combining and fronthaul compression strategies for both HBF‐A and HBF‐B. The formulated problems are simplified by adopting the codebook‐based design, and further tackled by leveraging the majorisation–minimisation algorithm. Finally, numerical results confirm that the HBF‐A scheme outperforms the HBF‐B scheme in the large power regime. Compared with the HBF‐A method, the HBF‐B method is more sensitive to changes in system parameters, such as the compression noise and the number of receive antennas, in the large power regime, while it is less sensitive in the small power regime.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».