Hybrid Precoding for mmWave MIMO Systems With Overlapped Subarray Architecture
Notice bibliographique
Résumé
Traditional precoding is incompatible with millimetre wave (mmWave) multiple input multiple output (MIMO) systems due to hardware costs and power consumption. As a result, hybrid precoding is being considered as a promising technology for balancing hardware complexity and system performance. This paper proposes a hybrid precoding technique for overlapped subarrays (OSA) architecture in mmWave MIMO systems. It exploits the OSA’s structure to decompose the hybrid precoding problem into a series of <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">L<sub>t</sub>N<sub>s</sub></i> /2 subproblems and then solves them iteratively, where <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">L<sub>t</sub></i> and <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">N<sub>s</sub></i> are the numbers of RF chains and transmitted data streams, respectively. First, the proposed scheme determines the analog and digital precoding submatrices of each OSA iteratively and then constructs the analog and digital precoding matrices of the whole OSA architecture. The digital precoding submatrix of each OSA is determined from each vector in the OSA submatrix. The results show that the proposed hybrid precoding for the OSA architecture outperforms the successive interference cancellation (SIC)-based hybrid precoding for non-overlapped SA (NOSA) and provides performance close to the fully-connected (FC) spatially sparse hybrid precoding, despite requiring less hardware and computational complexities.
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 ».