This paper investigates the utilization of triple polarization (TP) for multi-user (MU) holographic multiple-input multi-output surface (HMIMOS) wireless communication systems, targeting capacity boosting and diversity exploitation without enlarging the antenna array sizes. We specifically consider that both the transmitter and receiver are both equipped with an HMIMOS consisting of compact sub-wavelength TP patch antennas within the near-field (NF) regime. To characterize TP MU-HMIMOS systems, a TP NF channel model is constructed using the dyadic Green's function, whose characteristics are leveraged to design two precoding schemes for mitigating the cross-polarization and inter-user interference contributions. Specifically, a user-cluster-based precoding scheme assigns different users to one of three polarizations at the expense of the system's diversity, and a two-layer precoding scheme removes interference using the Gaussian elimination method at a high computational cost. The theoretical correlation analysis for HMIMOS in the NF region is also investigated, revealing that both the spacing of transmit patch antennas and user distance impact transmit correlation factors. Our numerical results show that the users far from transmitting HMIMOS experience higher correlation than those closer within the NF regime, resulting in a lower channel capacity. Meanwhile, in terms of channel capacity, TP HMIMOS can almost achieve 1.25 times gain compared with dual-polarized HMIMOS, and 3 times compared with conventional HMIMOS. In addition, the proposed two-layer precoding scheme combined with two-layer power allocation realizes a higher spectral efficiency than other schemes without sacrificing diversity.


翻译:本文调查了多用户(MU)全息多输出多输出无线通信系统三极化(TP)的使用情况,目标是在不扩大天线阵列尺寸的情况下提高能力和多样性开发能力,不扩大天线阵列尺寸;我们特别考虑到,发射机和接收机都配有由近地(NF)系统中的紧凑次波长TP补丁天线组成的三极极化(TP)系统;为确定TP MU-HIMIMOS系统的特点,利用Dyadic Green的功能构建了TP NF频道模型,该功能的特性被用来设计两个预编码计划,用于减少跨极化和用户间干扰贡献的能力。具体地说,基于用户集群的预编码方案为三种极极极极分,以牺牲系统的多样性为代价,以及两层预先编码计划消除了使用高压消除方法的干扰,计算成本很高的计算成本。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
24+阅读 · 2018年10月24日
VIP会员
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员