MétaCan
Menu
Retour à la cohorte
Enregistrement W4401509280 · doi:10.1109/iccworkshops59551.2024.10615441

On the Characterization of Pareto Boundary for Joint Communication and Sensing in MIMO Wireless Systems

2024· article· en· W4401509280 sur OpenAlexaff
Thakshila Perera, Amine Mezghani, Ekram Hossain

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMIMOJoint (building)Pareto principleWirelessComputer scienceCharacterization (materials science)Boundary (topology)Multi-user MIMO3G MIMOComputer networkTelecommunicationsMathematical optimizationMathematicsEngineeringChannel (broadcasting)Physics

Résumé

récupéré en direct d'OpenAlex

A joint communication and sensing (JCAS) system is considered with a user for downlink communication and a sensing target of interest using a multi-input multi-output (MIMO) terrestrial base station (BS). We provide a MIMO joint beamforming design for joint communication and sensing functionalities. As performance metrics, we use the mutual information (MI) and the Fisher information (FI) for the communication user and the sensing object, respectively. Our main objective is to characterize the MI/FI Pareto boundary of a JCAS system. To this end, we propose an optimization problem to maximize the weighted sum of the FI and the MI while satisfying the transmit power budget at the BS. We develop a closed-form solution up to one scalar (to be found numerically) for the single-user, single-sensing object scenario while achieving a trade-off between communication and sensing. Analytical and numerical results show that, for JCAS, joint beamforming is better than separate independent beamforming. The trade-off reveals differences in the performance of JCAS with the user's and the target object's angles of departure (AoD), as well as the number of transmitting and receiving antennas at the BS.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,221
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MIMO Systems OptimizationTravaux en français237 207