MétaCan
Menu
Retour à la cohorte
Enregistrement W4402979132 · doi:10.1109/lwc.2024.3471509

Interleaved Training for Massive MIMO Downlink via Exploring Channel Temporal Correlation

2024· article· en· W4402979132 sur OpenAlexaff
Cheng Zhang, Chang Liu, Yindi Jing, Yiwu Fan, Yongming Huang

Notice bibliographique

RevueIEEE Wireless Communications Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésTelecommunications linkMIMOComputer scienceTraining (meteorology)CorrelationChannel (broadcasting)Spatial correlationTelecommunicationsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

In this letter, we propose a channel temporal correlation-aware interleaved training (IT) scheme (CTC-IT) to further reduce the training overhead of basic IT for massive multiple-input-multiple-output downlink, particularly in frequency division duplexing mode. First, we derive the current channel conditional distribution given historical training information. Then, analytical and closed-form expressions are derived for the probability that obtaining the additional information of each untrained antenna meets the signal-to-interference-plus-noise-ratio (SINR) requirement for the general case and the case of a large number of users. And a max-min design is proposed to select the antenna that maximizes the minimum probability of each user’s SINR satisfaction. Simulations show the performance advantage of CTC-IT over basic IT in temporally correlated channels.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,961
Score d'incertitude au seuil1,000

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 savante0,0000,001
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 Opus0,068
Tête enseignante GPT0,271
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Wireless Communications LettersMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207