Low-Complexity Detectors for Uplink Massive MIMO Systems Leveraging Truncated Polynomial Expansion
Notice bibliographique
Résumé
In this work, we propose low-complexity detectors for massive multiple-input multiple-output (MIMO) systems. Particularly, we leverage variants of truncated polynomial expansion (TPE) in order to reduce the computational complexity of the signal detection in the uplink direction. Linear detectors such as zero-forcing (ZF) and minimum mean square error (MMSE) involve expensive matrix-matrix multiplication and matrix inversion operations. TPE-based detectors are appropriate candidates for approximating these linear detectors. However, tuning the normalization factor of TPE-based detectors may require calculating the minimum and the maximum eigenvalues of the channel Gram matrix. These calculations become computationally expensive for some massive MIMO systems, especially for systems with a large ratio of single-antenna user terminals to the number of antennas at the base station, i.e., loading factor. We propose to tune the normalization factor using appropriate approximations for the extreme eigenvalues. The proposed TPE-based detectors exhibit a bit error performance similar to that of the TPE-based detector with the optimal normalization factor. Moreover, our proposed detectors achieve the error performance of ZF and MMSE for different loading factors of spatially correlated and uncorrelated massive MIMO channels. The computational complexity of the proposed detector is proportional to the number of base station antennas and the number of users.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».