MétaCan
Menu
Retour à la cohorte
Enregistrement W4390829580 · doi:10.1109/tsp.2024.3351478

Low-Complexity Joint Antenna Selection and Robust Multi-Group Multicast Beamforming for Massive MIMO

2024· article· en· W4390829580 sur OpenAlexafffund
Niloofar Mohamadi, Min Dong, Shahram Shahbazpanahi

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBeamformingMulticastComputer scienceMIMOMathematical optimizationComputational complexity theoryOptimization problemAntenna arrayAntenna (radio)AlgorithmMathematicsTelecommunicationsComputer network

Résumé

récupéré en direct d'OpenAlex

We consider low-complexity design for joint antenna selection and robust multi-group multicast beamforming in massive multiple-input multiple-output (MIMO) systems. Relying on the estimated channel covariance and assuming a limited number of antennas for transmission at the base station, we aim to minimize the transmit power subject to the worst-case signal-to-interference-plus-noise-ratio (SINR) guarantee and per selected antenna power budget. Converting the worst-case SINR constraints to a set of non-convex constraints, we propose a two-phase approach to solve the problem efficiently: the antenna selection phase, followed by the robust multicast beamforming generation phase. We propose an SINR-based approach for antenna selection, where the challenging mixed-integer problem is converted into an approximate joint optimization problem via a sequence of transformation, relaxation, and SINR approximation. We develop a fast two-layered alternating direction method of multipliers (ADMM)-based algorithm to compute an approximate solution. In particular, with our ADMM construction, we obtain semi-closed-form solutions for antenna selection and beamforming subproblems at each ADMM iteration for fast updates. To further reduce the computational complexity, we propose a signal-to-leakage-ratio (SLR)-based approach using the SLR constraints in the joint optimization problem. This allows us to develop a two-layered ADMM-based algorithm, which can compute a solution more efficiently due to the SLR structure. The robust multicast beamforming solution for the selected antennas is computed using the fast algorithm we developed recently. Simulation results show the effectiveness of our two proposed approximated approaches for antenna selection and the overall two-phase approach in both overall performance and substantially low computational complexity in a massive MIMO setting.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,847
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,260
Écart entre enseignants0,220 · 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.

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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207