Effiziente gemeinsame Kanalschätzung, Detektion und Decodierung für MIMO-URLLC-Systeme
Der Beitrag entwickelt zwei neuartige trainierbare gemeinsame Kanalschätzungs-, Detektions- und Decodierungsempfänger (JCDD) für Gaussian-MIMO-Kanäle und sparse mmWave-MIMO-Kanäle, um die Probleme der Fehlerfortpflanzung und der Verarbeitungsverzögerung in herkömmlichen Turbo-Empfängern zu überwinden.
Effizienter Precoder-Entwurf für nutzerzentrierte Netzwerk-Massive-MIMO-Systeme mit Matrixmannigfaltigkeitsoptimierung
Durch den Beweis, dass die Precoder, die die Leistungsbeschränkungen pro Basisstation erfüllen, eine Riemannsche Untermannigfaltigkeit bilden, wird das beschränkte Optimierungsproblem im euklidischen Raum in ein unbeschränktes Problem auf der Riemannschen Untermannigfaltigkeit transformiert. Mit den abgeleiteten Riemannschen Zutaten wird eine Riemannsche Konjugierte-Gradienten-Methode für den effizienten Precoder-Entwurf in nutzerzentrierten Netzwerk-Massive-MIMO-Systemen vorgeschlagen.
Optimierung der Phasenkonfiguration von rekonfigurierbaren intelligenten Oberflächen zur Leistungsverbesserung von OTFS-Kommunikation
Durch die Optimierung der Phasenkonfiguration von rekonfigurierbaren intelligenten Oberflächen (RIS) kann die Leistung von OTFS-Kommunikationssystemen in dynamischen Umgebungen deutlich verbessert werden.
Leistungsanalyse von IRS-unterstütztem SSK und RPM über Rician-Fading-Kanälen
Diese Arbeit präsentiert eine analytische Leistungsanalyse eines IRS-unterstützten drahtlosen Netzwerks, das die Index-Modulation-Techniken Raum-Shift-Keying (SSK) und Reflexions-Phasen-Modulation (RPM) verwendet. Die Leistung wird über Rician-Fading-Kanäle untersucht und es werden geschlossene Ausdrücke für die durchschnittliche Bitfehlerrate und die ergodische Kapazität abgeleitet.
Auswirkungen der Rangdefizite auf die Leistungsfähigkeit von Massive-MIMO-Systemen über Rayleigh-Produkt-Kanälen
Die Rangdefizite in Rayleigh-Produkt-Kanälen führen zu einer größeren Fluktuation der Mutual Information Density und einer höheren Paketfehlerwahrscheinlichkeit als in Rayleigh-Kanälen.
Optimierung der Kanalkapazität durch Auswahl der Sende- und Empfangsantennenanschlüsse in Fluid-MIMO-Systemen
Die Maximierung der Kanalkapazität in Fluid-MIMO-Systemen durch die Auswahl der optimalen Sende- und Empfangsantennenanschlüsse.
Zentralisierte Mehrbenutzer-MIMO-Entzerrung in zellfreien Systemen durch kontextbasiertes Lernen
Kontextbasiertes Lernen (ICL) kann zur Anpassung des Betriebs eines Transformator-basierten Equalizers an die Bedingungen in zellfreien MIMO-Systemen mit begrenzter Fronthaul-Kapazität verwendet werden, um genauere Schätzungen der Datensymbole zu erzielen als ein zentralisierter linearer MMSE-Equalizer.
Effiziente Verarbeitung und Analyse von Inhalten mit Hilfe von Graph Neural Network und Multi-Agent Reinforcement Learning
Graph Neural Network und Multi-Agent Reinforcement Learning können die Herausforderungen von partieller Beobachtbarkeit, Nicht-Stationarität und Skalierbarkeit in drahtlosen Kommunikationssystemen effektiv adressieren, indem sie eine adaptive und effiziente Kommunikation zwischen Agenten ermöglichen.
Selbstevolutionäre drahtlose Kommunikation: Ein neuer Intelligenztrend für 6G und darüber hinaus
Selbstevolutionäre Kommunikationssysteme stellen einen neuartigen Intelligenztrend für 6G und darüber hinaus dar, der es ermöglicht, adaptive, intelligente und autonome Netzwerke zu schaffen, die kontinuierlich lernen, Schlussfolgerungen ziehen und die Kommunikationsleistung verbessern können.
Effiziente Wellenmanipulation durch nicht-lokale rekonfigurierbare intelligente Oberflächen für die drahtlose Kommunikation
Nicht-lokale rekonfigurierbare intelligente Oberflächen (RedRIS) bieten mehrere Vorteile gegenüber herkömmlichen lokalen RIS-Architekturen, wie geringeren Steuerungsaufwand, höhere Effizienz in Mehrnutzer-Szenarien und bessere Skalierbarkeit.
© 2024 by Linnk AI