Joint Transmit and Receive Beamforming Design for Joint Multi-User Interference and Self-Interference Rejection for Full-Duplex Sub-Connected MU-mMIMO
Notice bibliographique
Résumé
Full-duplex (FD) radios have the potential to double the spectral efficiency of communication systems by transmitting and receiving on the same time and frequency slot. However, realizing this potential gain is challenging due to the strong selfinterference (SI) between the transmit and receive arrays. In massive MIMO (mMIMO), traditional cancellation techniques such as analog cancellation become unfeasible due to the required hardware complexity. The large number of antenna elements in mMIMO enables spatial processing techniques, making spatial SI suppression a promising approach for FD communications. This paper proposes Regularized Joint Linearly Constrained Minimum Variance Beamforming (RJLCMV), a novel alternating method for spatial SI cancellation for FD subconnected multi-user mMIMO based on regularized LCMV. The beamformer design problem is not jointly-convex between the transmit and receive array beamformers and is susceptible high levels of self-nulling with standard alternating optimization algorithms. The proposed algorithm uses diminishing regularization to mitigate the self-nulling effect while still providing total SI isolation. We study the cases in which total SI rejection can be achieved and demonstrate that with a measured SI channel, a duplexing gain of 1.93 can be achieved with RJLCMV in the fully constrained case in which both multi-user interference and SI are nulled, supporting as many users as there are per antenna element in each subarray.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».