Hemispherical Massive MIMO Architecture for High-Altitude Platform Station (HAPS)
Notice bibliographique
Résumé
In this paper, we present a novel hemispherical antenna array (HAA) designed for High-Altitude Platform Stations (HAPS). Traditional rectangular antenna arrays for HAPS suffer from a significant limitation - their antenna elements are perpetually oriented downward, resulting in low gain for distant users. Meanwhile, cylindrical antenna arrays were introduced to mitigate this drawback, but they, in turn, exhibit a distinct problem: their antenna elements continually face the horizon, leading to suboptimal gain for users located beneath the HAPS. To address these challenges, we introduce the HAA. In the HAA configuration, antenna elements are strategically distributed across the surface of a hemisphere, ensuring that each user receives direct alignment with specific antenna elements, thereby maximizing the gain for all users. We derive the achievable data rates for users within this proposed scheme, employing an analog beamforming technique that leverages the steering vectors of the selected antenna elements for each user. We also formulate an op-timization problem focused on maximizing the minimum Signal-to-Interference-plus-Noise Ratio (SINR) for users. Additionally, we introduce an antenna selection algorithm based on the gains of the antenna elements. To further enhance system performance, we employ the Bisection method to determine the optimal power allocation for each user. Our simulation results substantiate the superior rate performance of the proposed HAA when compared to the conventional rectangular and cylindrical baseline arrays. The proposed approach demonstrates to reach sum data rates of up to 14 Gigabit/s. Furthermore, in contrast to the baseline schemes, the proposed scheme achieves more consistent spectral efficiencies across the entire coverage area.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».