Generalized Transceiver Beamforming for DFRC With MIMO Radar and MU-MIMO Communication
Notice bibliographique
Résumé
Spatial beamforming is an efficient way to realize dual-functional radar-communication (DFRC). In this paper, we study the DFRC design for a general scenario, where the dual-functional base station (BS) simultaneously detects the target as a multiple-input-multiple-output (MIMO) radar while communicating with multiple multi-antenna communication users (CUs). This necessitates a joint transceiver beamforming design for both MIMO radar and multi-user MIMO (MU-MIMO) communication. In order to characterize the performance tradeoff between MIMO radar and MU-MIMO communication, we first define the achievable performance region of the DFRC system. Then, both radar-centric and communication-centric optimizations are formulated to achieve the boundary of the performance region. For the radar-centric optimization, successive convex approximation (SCA) method is adopted to solve the non-convex constraint. For the communication-centric optimization, a solution based on weighted mean square error (MSE) criterion is obtained to solve the non-convex objective function. Furthermore, two low-complexity beamforming designs based on CU-selection and zero-forcing are proposed to avoid iteration, and the closed-form expressions of the low-complexity beamforming designs are derived. Simulation results are provided to verify the effectiveness of all proposed designs.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».