MétaCan
Menu
Retour à la cohorte
Enregistrement W3215601134 · doi:10.1109/5gwf52925.2021.00021

Multi-Dimensional Modulation for Data Rate Maximization in Non-Orthogonal Spatial-Time-Frequency Domains

2021· article· en· W3215601134 sur OpenAlexaff
Thakshanth Uthayakumar, Jie Mei, Xianbin Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOrthogonalitySpatial multiplexingMIMOOrthogonal frequency-division multiplexingInterference (communication)Electronic engineeringModulation (music)Frequency domainSpatial correlationTelecommunicationsChannel (broadcasting)MathematicsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Loss of orthogonality among radio resource blocks in different domains introduces additional interference such as inter carrier interference (ICI) in frequency domain, and inter symbol interference (ISI) in time domain, and inter antenna correlation (IAC) in spatial domain. Such interference due to imperfect time/frequency synchronization and spatial separation are usually tolerated in LTE, and 5G communication systems. However, with the ongoing wireless evolution towards beyond 5G and 6G networks that operate in mmWave bands with significantly higher data rates, these interference will become more severe, and deteriorate the system performance significantly. Based on these observations, this paper is motivated to maximize the communication data rate under non-orthogonality conditions that occur in spatial, time and frequency domains. We propose a novel multi-dimensional modulation (MDM) scheme to achieve our objective. The simulation results demonstrated that our proposed MDM scheme achieves maximized data rate in spatial-time-frequency domains and it outperforms the state-of-art spatially multiplexed MIMO-OFDM system. We also show that the proposed MDM scheme is highly advantageous for mmWave and massive MIMO applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,268
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207