MétaCan
Menu
Retour à la cohorte
Enregistrement W4400409937 · doi:10.1109/lcomm.2024.3424666

User-Specific Channel Estimation Overhead Optimization and Resource Allocation for Multi-User OTFS Systems

2024· article· en· W4400409937 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Communications Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOverhead (engineering)Channel (broadcasting)Resource allocationMulti-userResource management (computing)Computer networkDistributed computingReal-time computing

Résumé

récupéré en direct d'OpenAlex

Accurate channel estimation is one of the major challenges in deploying orthogonal time frequency space (OTFS) systems, because the inter-grid interference (IGI) between the pilot and data caused by multi-path channels significantly reduces estimation accuracy. Existing solutions embed the unified guard zero-symbols to prevent IGI in multi-user OTFS systems, but they ignore that users have varying abilities to mitigate IGI based on their specific channel conditions. Consequently, using the same guard for different users leads to redundant guard symbols, which reduces spectrum efficiency. In this letter, we leverage user-specific statistic channel characteristics to design a tailored channel estimation overhead optimization and resource allocation scheme to enhance the spectrum efficiency for multi-user OTFS systems. Specifically, we first derive the mathematical expression of the transmission capacity. Then we formulate a total capacity maximization problem by jointly optimizing the channel estimation overhead and bandwidth, subject to individual rate requirements. To solve this non-convex problem, we introduce an alternative optimization algorithm and derive closed-form expressions for updating the solutions in each iteration.

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 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 candidatesaucune
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 enseignants0,813
Score d'incertitude au seuil0,755

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 savante0,0000,000
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 Opus0,048
Tête enseignante GPT0,282
Écart entre enseignants0,233 · 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