Sparse Activity Detection in Multi-Cell Massive MIMO Exploiting Channel Large-Scale Fading
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper studies the device activity detection problem in a multi-cell massive multiple-input multiple-output (MIMO) system, in which the active devices transmit signature sequences to multiple base stations (BSs) that are connected to a central unit (CU), and the BSs cooperate across multiple cells to detect the active devices based on the sample covariance matrices at the BSs. This paper demonstrates the importance of exploiting the knowledge of channel large-scale fadings in this cooperative detection setting through a phase transition analysis, which characterizes the length of signature sequences needed for successful device activity detection in the massive MIMO regime. It is shown that when the large-scale fadings are known, the phase transition for the multi-cell scenario is approximately the same as that of a single-cell system. In this case, the length of the signature sequences required for reliable activity detection in the multi-cell system can be made to be independent of the number of cells through cooperation, in contrast to the case where the large-scale fadings are not known. Further, this paper considers the case in which the fronthaul links between the BSs and the CU have capacity constraints and proposes a novel cooperation scheme based on the quantization of preliminary detection results at the BSs and the reconstruction of the sample covariance matrices at the CU. Simulations show that the proposed method significantly outperforms the scheme of directly quantizing the sample covariance matrices.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle