MétaCan
Menu
Retour à la cohorte
Enregistrement W4409641209 · doi:10.1109/tsp.2025.3562858

Joint User Selection and Hybrid Precoder Design for Massive MIMO Systems

2025· article· en· W4409641209 sur OpenAlexaff
Hossein Vaezy, Steven D. Blostein

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésJoint (building)MIMOComputer scienceSelection (genetic algorithm)Control theory (sociology)TelecommunicationsBeamformingArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Massive multiple-input multiple-output (MIMO) systems are a cornerstone of modern wireless communication, enabling significant improvements in capacity and reliability. However, the joint optimization of user selection and hybrid precoder/decoder design remains challenging due to the complexity introduced by spatial correlation, noisy channel information, and the non-convex nature of the problem. This paper addresses these challenges by considering the downlink of multi-user massive MIMO systems. A noisy version of channel information with spatial correlation between antennas is assumed to be available at the transmitter, and an optimization problem is formulated for joint user selection and hybrid analog/digital precoder design. The total sum rate of the network is considered as a design metric that leads to non-convex and NP-hard mixedinteger optimization. To address the non-convexity, an iterative method is proposed which results in multiple simpler bounding and relaxed convex sub-problems with closed-form solutions for analog precoders/decoders, digital decoders, and user selection. As a by-product, the proposed algorithm also optimizes the number of selected users with perfect or imperfect channel state information (CSI). A generalized user selection metric is also derived for massive MIMO systems with multiple-antenna users under both perfect and imperfect CSI, and is further analyzed for specific scenarios such as ZF, MRT, block diagonalized precoders, and large-scale MIMO settings. Finally, the method is extended to finite-resolution phase shifters and assessed for Rayleigh fading channels. The simulation results show that the proposed method performs favorably compared to other recent joint user selection and precoder designs.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,019
Tête enseignante GPT0,239
Écart entre enseignants0,220 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetAdvanced MIMO Systems OptimizationTravaux en français237 207