Signal detection of M-MIMO-orthogonal time frequency space modulation using hybrid algorithms: ZFE + MMSE and ZFE + MF
Notice bibliographique
Résumé
• Combines OTFS modulation with massive MIMO (M-MIMO) systems. • Target: Signal detection for M-MIMO-OTFS systems of sizes 8x8, 16x16, 64x64, and 256x256. • Uses two hybrid algorithms: ZFE+MF and ZFE+MMSE. • Enhanced spectral efficiency. • Improved resistance to fading. Orthogonal Time Frequency Space (OTFS) modulation, coupled with Massive Multiple Input Multiple Output (Massive-MIMO) technology, presents a promising avenue for enhancing the efficiency and reliability of fifth-generation (5G) and beyond fifth-generation (B5G) systems. OTFS modulation offers robust communication in high-mobility environments by converting signals into the delay-Doppler domain, ensuring better performance over fading channels. MIMO enhances wireless networks by using large antenna arrays to boost capacity, spectral efficiency, and reliability, making both technologies vital for next-generation radio systems. In this study, we explore the detection of (8 × 8, 16 × 16, 64 × 64, and 256 × 256) Massive-MIMO-OTFS signals utilizing two prominent detection algorithms: zero forcing equalization (ZFE) with matched filter (MF) known as (ZFE+MF) and Zero Forcing with minimum mean square error (MMSE) known as (ZFE+MMSE). The combination of Massive MIMO and OTFS offers improved spectral efficiency, robustness against fading, and enhanced spatial multiplexing capabilities. The parameters such as bit error rate (BER) and power spectral density (PSD) are analyzed and estimated for the proposed hybrid and conventional algorithms. The proposed algorithms obtained the SNR and PSD gain of 3.2 dB, 3.2 dB, 4.8 dB, and 6.1dB gain, respectively, for 8 × 8, 16 × 16, 64 × 54, and 256 × 256 MIMO systems. Further, the PSD gain of -390 is obtained for the 256 × 256 system, resulting in high spectral efficiency.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».