High resolution analog to digital converters (ADCs) are conventionally used at the receiver terminals to store an accurate digital representation of the received signal, thereby allowing for reliable decoding of transmitted messages. However, in a wide range of applications, such as communication over millimeter wave and massive multiple-input multiple-output (MIMO) systems, the use of high resolution ADCs is not feasible due to power budget limitations. In the conventional fully digital receiver design, where each receiver antenna is connected to a distinct ADC, reducing the ADC resolution leads to performance loss in terms of achievable rates. One proposed method to mitigate the rate-loss is to use analog linear combiners leading to design of hybrid receivers. Here, the hybrid framework is augmented by the addition of delay elements to allow for temporal analog processing. Two new classes of receivers consisting of delay elements, analog linear combiners, and one-bit ADCs are proposed. The fundamental limits of communication in single and multi-user (uplink and downlink) MIMO systems employing the proposed receivers are investigated. In the high signal to noise ratio regime, it is shown that the proposed receivers achieve the maximum achievable rates among all receivers with the same number of one-bit ADCs.


翻译:接收站通常使用高分辨率模拟数字转换器(ADCs)来存储接收信号的准确数字表示,从而可以可靠地解码传输电文。然而,在诸如毫米波通信和大量多投入多输出输出(MIMO)系统等广泛应用系统中,由于电力预算限制,使用高分辨率转换器(MIMO)系统不可行。在常规全数字接收器设计中,每个接收器天线与不同的ADC连接,减少ADC分辨率导致可实现率的性能损失。减缓损失的一个拟议方法是使用模拟线性合并器来设计混合接收器。此处,混合框架通过添加延迟元素来扩大,以便进行时间模拟处理。提出了由延迟元素、模拟线性组合器和一比亚方ADC组成的两个新接收器类别。在使用拟议接收器的单一和多用户(上线和下链)MIMO系统中通信的基本限制正在调查。在高噪声比率制度中,一个高信号显示拟议的接收器在ABDA中达到最高比率。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2021年6月30日
专知会员服务
31+阅读 · 2021年6月12日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
“CVPR 2020 接受论文列表 1470篇论文都在这了
图像/视频去噪算法资源集锦
专知
18+阅读 · 2019年12月14日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2022年2月11日
Arxiv
0+阅读 · 2022年2月8日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2021年6月30日
专知会员服务
31+阅读 · 2021年6月12日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
“CVPR 2020 接受论文列表 1470篇论文都在这了
图像/视频去噪算法资源集锦
专知
18+阅读 · 2019年12月14日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员