Multiple-antenna wireless communications: detection and estimation with smart antennas, and space-time code design considerations
Notice bibliographique
Résumé
The main theme of this thesis is wireless communications using multiple antennas. The thesis consists of four topics on smart antenna technology, its applications to direct sequence code division multiple access (DS/CDMA) communications, and multiple-input multiple-output wireless communications. The first problem under consideration is the joint estimation of direction-of-arrival (DoA), propagation delay, and complex channel gain for antenna-array DS/CDMA communications over frequency selective multipath channels. We propose a subspace based MUSIC-type estimation algorithm which utilizes the spatial smoothing preprocessing technique. The proposed algorithm essentially breaks the multipath induced coherency within the received signals and recovers the full signal subspace spanned by the dominant signal paths of all users. This allows for the use of MUSIC-type DoA and delay estimators for individual paths of a particular user. We then describe a new criterion for detecting the number of signals impinging on a uniform linear array (ULA), which exploits eigenvector information of the sample array covariance matrix and makes explicit use of the peak information of the MUSIC spectrum. In the third part we present an iterative weight matrix approximation (IWMA) algorithm. IWMA computes an approximation to the optimum weight matrix used by weighted spatial smoothing (WSS) to completely decorrelate input sources and generate a diagonal source covariance matrix. A useful observation regarding IWMA is that the generated matrix is suitable as a basis for subspace-type DoA estimation. In the last part we discuss two deterministic measures for designing linear processing space-time
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».