Compressive Sensing-Based Channel Estimation for Uplink and Downlink Reconfigurable Intelligent Surface-Aided Millimeter Wave Massive MIMO Systems
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.
Notice bibliographique
Résumé
This paper investigates single-user uplink and two-user downlink channel estimation in reconfigurable intelligent surface (RIS)-aided millimeter-wave (mmWave) massive multiple-input multiple-output (MIMO) wireless communication systems. Because of the difficulty associated with the estimation of channels in RIS-aided wireless communication systems, channel state information (CSI) is assumed to be known at the receiver in some previous works in the literature. By assuming that prior knowledge of the line-of-sight (LoS) channel between the RIS and the base station (BS) is known, two compressive sensing-based channel estimation schemes that are based on simultaneous orthogonal matching pursuit and structured matching pursuit (StrMP) algorithms are proposed for estimation of uplink channel between RIS and user equipment (UE), and joint estimations of downlink channels between BS and a UE, and between RIS and another UE, respectively. The proposed channel estimation schemes exploit the inherent common sparsity shared by the angular domain mmWave channels at different subcarriers. The superiority of one of the proposed channel estimation techniques, the StrMP-based channel estimation technique, with negligibly higher computational complexity cost compared with other channel estimators, is documented through extensive computer simulation. Specifically, with a reduced pilot overhead, the proposed StrMP-based channel estimation scheme exhibits better performance than other channel estimation schemes considered in this paper for signal-to-noise ratio (SNR) between 0 dB and 5 dB upward at different instances for both uplink and downlink scenarios, respectively. However, below these values of SNR the proposed StrMP-based channel estimation scheme will require higher pilot overhead to perform optimally.
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 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 découle