MétaCan
Menu
Retour à la cohorte
Enregistrement W4377001514 · doi:10.1109/tcomm.2023.3277033

RSMA Precoding Design Based on Interference Nulling and Sum Rate Upper Bound

2023· article· en· W4377001514 sur OpenAlexafffund
Elaheh Sadeghabadi, Steven D. Blostein

Notice bibliographique

RevueIEEE Transactions on Communications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHuawei Technologies
Mots-clésPrecodingUpper and lower boundsMaximizationMathematical optimizationMathematicsZero-forcing precodingInterference (communication)Computer scienceOptimization problemAlgorithmTopology (electrical circuits)MIMOBeamformingTelecommunicationsChannel (broadcasting)StatisticsCombinatorics

Résumé

récupéré en direct d'OpenAlex

Rate splitting multiple access (RSMA), a recent generalization and merging of spatial division multiple access (SDMA) and superposition coding has exponential complexity. Hierarchical streams that transmit a subset of possible streams of encoded messages are proposed for rate splitting and analyzed. To reduce precoding complexity, RSMA with interference nulling (RSMA-IN), that nulls the portion of interference that is not decoded is investigated by formulating a sum rate maximization problem subject to a total power constraint. To solve this non-convex problem, a method that combines interference nulling and stream SNR maximization is proposed. A convex upper bound problem is formulated for the sum rate to compare existing algorithms, and conditions under which the upper bound problem is tight are determined. Taking advantage of the tight cases, we propose an upper bound aided (UBA) enhancement of existing precoding designs by exploiting optimal solutions in the tight cases. It is also shown that the existing augmented weighted mean square error (AWMSE) algorithms cannot converge to a local optimum in sum rate maximization. Simulation results indicate that the proposed approaches enhance performance over existing ones as well as approach their upper bounds in certain instances.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,894

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,069
Tête enseignante GPT0,284
Écart entre enseignants0,214 · 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.

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

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

En bref

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetAdvanced Wireless Communication TechnologiesTravaux en français237 207