Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1701.00277

帮助 | 高级搜索

计算机科学 > 信息论

arXiv:1701.00277 (cs)
[提交于 2017年1月1日 ]

标题: 全双工多用户MIMO信道中的自干扰

标题: Self-Interference in Full-Duplex Multi-User MIMO Channels

Authors:Arman Shojaeifard, Kai-Kit Wong, Marco Di Renzo, Gan Zheng, Khairi Ashour Hamdi, Jie Tang
摘要: 我们考虑一个多用户多输入多输出(MIMO)设置,其中全双工(FD)多天线节点应用线性波束成形器,在Rician衰落信道上同时传输和接收多个数据流。 涉及非独立同分布随机变量之和的平方范数的残留自干扰(SI)的精确一阶和二阶正矩,以闭合形式推导得出。 因此,采用矩方法为残留SI分布提供一个Gamma近似。 所提出的定理在任意线性预编码器/解码器设计、天线数量和数据流数量以及SI消除能力下均成立。
摘要: We consider a multi-user multiple-input multiple-output (MIMO) setup where full-duplex (FD) multi-antenna nodes apply linear beamformers to simultaneously transmit and receive multiple streams over Rician fading channels. The exact first and second positive moments of the residual self-interference (SI), involving the squared norm of a sum of non-identically distributed random variables, are derived in closed-form. The method of moments is hence invoked to provide a Gamma approximation for the residual SI distribution. The proposed theorem holds under arbitrary linear precoder/decoder design, number of antennas and streams, and SI cancellation capability.
主题: 信息论 (cs.IT)
引用方式: arXiv:1701.00277 [cs.IT]
  (或者 arXiv:1701.00277v1 [cs.IT] 对于此版本)
  https://doi.org/10.48550/arXiv.1701.00277
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Arman Shojaeifard [查看电子邮件]
[v1] 星期日, 2017 年 1 月 1 日 18:36:34 UTC (804 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.IT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2017-01
切换浏览方式为:
cs
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号