The synergy of fluid-based reconfigurable antenna (FA) technology and full-duplex (FD) communications can be jointly beneficial, as FD can enhance the spectral efficiency of a point-to-point link, while the new degree of freedom offered by the FA technology can be exploited to handle the overall interference. Hence, in this paper, an analytical framework based on stochastic geometry is developed, aiming to assess both the outage and average sum-rate performance of large-scale FA-aided FD cellular networks. In contrast to existing studies, where perfect channel state information is assumed, the developed framework accurately captures the impact of channel estimation (CE) on the performance of the considered network deployments, as well as the existence of residual loop-interference (LI) at the FD transceivers. Particularly, we focus on a limited coherence interval scenario, where a novel sequential linear minimum-mean-squared-error-based CE method is performed for all FA ports and LI links, followed by data reception from the port with the strongest estimated channel. By using stochastic geometry tools, analytical expressions for the outage and the average sum-rate performance are derived. Our results reveal that FA-aided FD communications experience an improved average sum-rate performance of around 45\% compared to conventional FD communications.


翻译:流体天线(Fluid-based reconfigurable antenna,简称FA)技术和全双工(Full Duplex,简称FD)通信的协同作用能够相互受益,因为FD可以提高点对点通信的频谱效率,而FA技术提供的新自由度可以用于处理整体干扰。因此,本文开发了一种基于随机几何的分析框架,旨在评估大规模FA辅助FD蜂窝网络的故障和平均总速率性能。与现有研究不同,本研究假定了完美的信道状态信息,该框架准确地捕捉了信道估计(CE)对所考虑的网络部署性能的影响,以及FD收发机中残余的环路干扰(LI)。特别是,我们集中研究有限的相干间隔场景,在这个场景下,为FA端口和LI链路执行一种新的基于顺序线性最小均方误差的CE方法,然后从最强的估计信道的端口接收数据。通过使用随机几何工具,导出了故障和平均总速率性能的解析表达式。我们的结果显示,与传统的FD通信相比,FA辅助的FD通信经历了约45%的平均总速率性能改善。

0
下载
关闭预览

相关内容

【硬核书】稀疏多项式优化:理论与实践,220页pdf
专知会员服务
67+阅读 · 2022年9月30日
专知会员服务
31+阅读 · 2021年6月12日
必读的7篇IJCAI 2019【图神经网络(GNN)】相关论文-Part2
专知会员服务
60+阅读 · 2020年1月10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
【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
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
大神 一年100篇论文
CreateAMind
15+阅读 · 2018年12月31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】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24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】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8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 · 2015年12月31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 · 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
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
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
大神 一年100篇论文
CreateAMind
15+阅读 · 2018年12月31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】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24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】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31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 · 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 · 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
Top
微信扫码咨询专知VIP会员