Simultaneous Localization and Communications With Massive MIMO-OTFS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Next generation cellular network is expected to provide the simultaneous high-accuracy localization and ultra-reliable communication services, even in high mobility scenarios. To that end, the novel orthogonal time frequency space (OTFS) modulation has been developed as a promising physical-layer transmission technique, evident by the outstanding performance in terms of robustness against time-frequency selective fading over the orthogonal frequency division multiplexing (OFDM) counterpart. However, when OTFS meets massive multiple-input multiple-output (MIMO), the specific conditions, under which the delay-Doppler (DD) domain channel model holds, are not identified. In addition, the channel estimation and localization performance in such system is rarely studied. In this work, we target at these new challenges, and conduct comprehensive modelling, performance analysis, and algorithm design for massive MIMO-OTFS based simultaneous localization and communications. Specifically, we derive new channel models for the massive MIMO-OTFS system, which captures both time-frequency dispersion and spatial wideband effects. The specific conditions, under which the new models hold has been unveiled as well. Based on the new models, we establish the theoretical foundations for channel estimation and localization, by deriving the Cramér-Rao lower bounds of channel parameter and location estimation errors. Such bounds have been achieved with the newly designed low-complexity channel estimation and localization algorithms. Numerical simulations of the proposed framework with prevailing pulse functions are also conducted and the results validate the proposed designs and analysis.
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.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle