Hybrid Precoding/Combining for mmWave MIMO Systems With Hybrid Array Architecture
Notice bibliographique
Résumé
Utilizing hybrid precoding/combining for subarray (SA) architectures in millimeter-wave (mmWave) multi-input multi-output (MIMO) systems offers reduced hardware cost and power consumption when compared with that for full array (FA) architectures, although the spectral efficiency is lower. Hence, this paper introduces a new hybrid array (HA) architecture for mmWave MIMO systems, designed to achieve a balance between spectral efficiency, cost, and power consumption. Initially, the proposed HA architecture partitions the antennas into distinct subarrays. The number of these subarrays equals the count of radio frequency chains at the transmitter/receiver. These subarrays are subsequently organized into separate subsets referred to as groups. Ultimately, within each group, the antennas are connected with a corresponding group of radio frequency chains, employing a connection method similar to that of the FA architecture. Compared to the SA architecture, the proposed HA architecture provides higher spectral efficiency by exploiting spatial diversity through grouping of antennas. Furthermore, the HA architecture achieves cost and power reduction in comparison to the FA architecture by connecting a subset of antennas to each group of radio frequency chains. Two efficient iterative hybrid precoding/combining algorithms are also proposed, studied and compared for HA architecture mmWave MIMO system. During the design derivations, the proposed algorithms consider the block structure inherent in the analog precoding and combining matrices within the HA architecture. This consideration makes it possible to independently optimize hybrid precoding/combining for each group. Results show that the suggested HA hybrid design usingAlgorithm 2provides better performance than usingAlgorithm 1and both algorithms can achieve higher spectral efficiency than the conventional SA and FA hybrid designs while being less complex.
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 | 0,000 | 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 | 0,001 | 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) | 0,003 | 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 ».