3D On and Off-Grid Dynamic Channel Tracking for Multiple UAVs and Satellite Communications
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
The space-air-ground integrated network (SAGIN) has drawn increasing attention for its benefits, such as wide coverage, high throughput for 5G and 6G communications. As one of the links, space-air communications between multiple unmanned aerial vehicles (UAVs) and Ka-band orbiting low earth orbit (LEO) satellites face a crucial challenge in tracking the 3D dynamic channel information. This paper exploits a statistical dynamic channel model called the multi-dimensional Markov model (MD-MM), which investigates the more realistic spatial and temporal correlation in the sparse UAVs-satellite channel. Specifically, the spatial and temporal probabilistic relationships of multi-user (MU) hidden support vector, single-user (SU) joint hidden support vector, and SU hidden value vector are investigated. The specific transition probabilities that connect the SU and MU hidden support vector for both azimuth and elevation directions are defined. Moreover, based on the proposed MD-MM, we derive a novel multi-dimensional dynamic turbo approximate message passing (MD-DTAMP) algorithm for tracking the 3D dynamic channel in multiple UAVs systems. Furthermore, we also develop a gradient update scheme to recursively find the azimuth and elevation offset for 3D off-grid estimation. Numerical results verify that the proposed algorithm shows superior 3D channel tracking performance with smaller pilot overhead and comparable complexity.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle