Information-Guided Antenna Selection and Activation for Spatial Modulation MIMO Systems
Notice bibliographique
Résumé
Each transmit antenna in spatial modulation (SM) based communication is uniformly activated, which can lead to poor channels for transmission, causing performance degradation. Though antenna selection can be used to tackle this problem caused by uniform antenna activation (U-AA), it requires additional antenna elements, high computational complexity, and signalling overhead. This paper proposes an irregular antenna activation (I-AA) technique, which activates an antenna with a probability that is proportional to a channel with the highest gain. In the proposed method, consecutive equal bits in a bit sequence are exploited to choose an antenna index for transmission. Since different numbers of consecutive equal bits occur with different probabilities, this makes each of the available antennas to be randomly activated with different probabilities. Taking advantage of available channel state information at the transmitter, we develop a rate-optimized I-AA method to utilize better channels for transmission. In prominent variants of SM, the use of I-AA is shown to yield higher throughput and smaller error rates compared to operations with the conventional U-AA. Moreover, a joint rate and Euclidean-distance optimized antenna selection (REAS) and a rate-optimized low-complexity AS (RLAS) for SM with I-AA are proposed. The use of I-AA without AS in prominent variants of the SM technique is shown to achieve better error rate performance compared to U-AA with AS. Also, the use of I-AA in REAS and RLAS yields improvements in the data rates and error rates compared to U-AA with AS, at a negligible extra complexity and signalling overhead.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».