Robust and Feasible QoS-Aware mmWave Massive MIMO Hybrid Beamforming
Notice bibliographique
Résumé
Hybrid beamforming (HB) with quality-of-service (QoS) provisioning per stream in millimeter waves is indispensable in 5G/6G networks. HB includes baseband and radio frequency (RF) beamforming, and requires error-free channel state information (CSI), which is erroneous in practice. So there is a need for efficient, feasible, robust, and QoS-aware HB. To achieve this, we mitigate CSI uncertainty via baseband beamforming, and we steer the RF beamformer by using the estimates of the channel’s eigenvectors. In doing so, we consider the effective channel’s uncertainty region instead of the uncertainty region of the channel itself, as the former is smaller than the latter, requiring less transmit power to satisfy the QoS constraint. We also detect and eliminate the infeasible data streams. Our iterative scheme (which is based on the cutting-set method) for baseband beamforming satisfies the mean-squared error (MSE) constraint per stream, where a limited number of constraints are considered instead of infinitely many constraints. In our low-complexity scheme, we derive a simple sufficient condition to check the feasibility of each stream, we diagonalize the effective channel at the baseband precoder, and we use minimum MSE combining at the baseband combiner. Extensive simulations validate our formulations and theoretical derivations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».