MétaCan
Menu
Retour à la cohorte
Enregistrement W4280557684 · doi:10.1109/wcnc51071.2022.9771640

Joint Robust Relay Beamforming and Adaptive Channel Estimation using Cubature Kalman Filtering

2022· article· en· W4280557684 sur OpenAlexaff
Mohammad Amin Maleki Sadr, Benoı̂t Champagne

Notice bibliographique

Revue2022 IEEE Wireless Communications and Networking Conference (WCNC) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCooperative Communication and Network Coding
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRelayBeamformingChannel state informationComputer scienceCramér–Rao boundKalman filterUpper and lower boundsControl theory (sociology)Channel (broadcasting)Signal-to-noise ratio (imaging)Adaptive beamformerAlgorithmWirelessEstimation theoryPower (physics)MathematicsTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, an adaptive algorithm is proposed for the estimation and tracking of the channel coefficients in peer-to-peer communication through a network of relays. Using the observed signals at the relay and destination nodes, the channel state information (CSI) is estimated centrally by taking advantage of a Markov model for the source-relay and relay-destination channels, and employing the Cubature Kalman Filter (CKF). The estimated CSI is used for solving a robust relay beamforming problem, aiming to minimize the total transmitted power by the relays subject to signal-to-interference-plus-noise ratio (SINR) constraint at each one of the destination nodes. Through simulations, the proposed CSI estimation is shown to be unbiased and converge to the Cramer-Rao-Lower-Bound (CRLB) for low and moderate error levels. Furthermore, the ensuing beamformer design exhibits better performance compared to existing robust beamforming methods.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0020,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,124
Tête enseignante GPT0,282
Écart entre enseignants0,158 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE Wireless Communications and Networking Conference (WCNC)Même sujetCooperative Communication and Network CodingTravaux en français237 207