Near-Field Beamforming Optimization for Holographic XL-MIMO Multiuser Systems
Notice bibliographique
Résumé
Extremely large-scale multiple-input multiple-output (XL-MIMO) communications and ultra-high frequency bands are both potential enablers for satisfying extreme performance requirements of future wireless systems. Thanks to low hardware cost and power consumption, holographic metasurface antennas (HMAs) operating at high frequencies have recently emerged as an effective realization of large-scale antenna arrays, leading to greatly enlarged near-field region. In this paper, we investigate a power-efficient HMA-based near-field downlink multiuser system, where three different HMA-based arrays are considered. Specifically, we aim to minimize the total transmit power for each HMA-based array while maintaining the signal to interference plus noise ratio (SINR) constraint of each user by jointly optimizing the digital transmit precoder and the analog HMA weighting matrix. In the special single-user scenario, we validate that the original optimization problem can be decomposed into several independent subproblems each corresponding to a single HMA microstrip, whose optimal solution can be obtained by the successive convex approximation (SCA) based method. It is also revealed that the HMA-based array is capable of achieving near-field beam focusing. In the general multiuser scenario, we develop an efficient SCA-alternating direction method of multipliers (ADMM) based alternating optimization (AO) algorithm to tackle the intractable optimization problem, where the digital precoders and the HMA weighting matrix are iteratively optimized in an alternating manner. Numerical results demonstrate the superior performance of our proposed algorithms over existing benchmark schemes. It is also shown that the HMA-based array attains lower hardware overhead and power consumption as compared to the conventional hybrid array.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».