This work investigates the downlink performance of a multi-cell massive multiple-input multiple-output (MIMO) system that employs one-bit analog-to-digital converters (ADCs) and digital-to-analog converters (DACs) in the receiving and transmitting radio frequency (RF) chains at each base station (BS) in order to reduce the power consumption. We utilize Bussgang decomposition to derive the minimum mean squared error (MMSE) channel estimates at each BS based on the quantized received uplink training signals, and the asymptotic closed-form expressions of the achievable downlink rates under one-bit quantized zero-forcing (ZF) precoding implemented using the estimated channels. The derived expressions explicitly show the impact of quantization noise, thermal noise, pilot contamination, and interference, and are utilized to study the number of additional antennas needed at each BS of the one-bit MIMO system to perform as well as the conventional MIMO system. Numerical results verify our analysis, and reveal that despite needing more antennas to achieve the same sum average rate, the one-bit massive MIMO system is more energy-efficient than the conventional system, especially at high sampling frequencies.


翻译:这项工作调查了每个基站接收和传输无线电频率链中采用一位模拟数字转换器(ADCs)和数字到分析转换器(DACs)的多细胞大规模多投入多产出输出系统(MIMO)的下行连接性能,该系统在接收和传输每个基站的无线电频率链中采用一位模拟数字转换器(ADCs)和数字到分析转换器(DACs),以减少电力消耗。我们利用Bussgang分解法来得出每个BS的每个BS最低平均正方位错误(MMSE)频道估计值,以量化接收的上行培训信号为基础,并使用在使用估计的频道进行一位零位四分位预编码的可实现下行下行链速率(ZF)的无端封闭式表达式表达式表示法,由此得出的表达法明确显示了四分解噪声、热噪声、试点污染和干扰的影响,并用于研究一位MIMO系统每个BS所需的额外平均天线的数量,以履行常规MIMO系统。数字结果核查我们的分析结果,并表明,尽管需要更多天天天线,但是在最高比例的频率上更需要更多高的频率上,但最高比例的频率,但一个系统仍为同一。</s>

0
下载
关闭预览

相关内容

【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
118+阅读 · 2022年4月21日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】用TensorFlow实现LSTM社交对话股市情感分析
机器学习研究会
11+阅读 · 2018年1月14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
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015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
1+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
0+阅读 · 2012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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】用TensorFlow实现LSTM社交对话股市情感分析
机器学习研究会
11+阅读 · 2018年1月14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
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015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
1+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
0+阅读 · 2012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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员