In this paper, an analytical framework for evaluating the performance of scalable cell-free massive MIMO (SCF-mMIMO) systems in which all user equipments (UEs) and access points (APs) employ finite resolution digital-to-analog converters (DACs) and analog-to-digital converters (ADCs) and operates under correlated Rician fading, is presented. By using maximal-ratio combining (MRC) detection, generic expressions for the uplink (UL) spectral efficiency (SE) for both distributed and centralized schemes are derived. In order to further reduce the computational complexity (CC) of the original local partial MMSE (LP-MMSE) and partial MMSE (P-MMSE) detectors, two novel scalable low complexity MMSE detectors are proposed for distributed and centralized schemes respectively, which achieves very similar SE performance. Furthermore, for the distributed scheme a novel partial large-scale fading decoding (P-LSFD) weighting vector is introduced and its analytical SE performance is very similar to the performance of an equivalent unscalable LSFD vector. Finally, a scalable algorithm jointly consisting of AP cluster formation, pilot assignment, and power control is proposed, which outperforms the conventional random pilot assignment and user-group based pilot assignment policies and, contrary to an equal power transmit strategy, it guarantees quality of service (QoS) fairness for all accessing UEs.


翻译:本文介绍了一个分析框架,用于评价可伸缩的无细胞大规模MIMO(SCF-MMIMIM)系统(该系统中所有用户设备(UES)和接入点(APs)使用有限分辨率数字对分析转换器(DACs)和模拟对数字转换器(ADCs),在相连接的Rician退退退化下运行;通过使用最大-大鼠结合检测(MRC)检测,为分布式和集中式计划生成了可扩缩无细胞大缩缩放(UL)光谱效率(SE)通用表示(ULL-LSFD)通用表示;为了进一步降低当地部分MMSE(LP-MMSE)和部分MMSE(P-MMSS)使用有限分辨率数字转换器和模拟数字数字转换器(ADCs)的计算复杂性(ULP-MS-MMIMIM)系统(AD)和部分MMSE(P-ME)探测器(ADS-MES),分别为分布式和集中式计划提出两个新的可缩放散式和集中式MMEE;SFLFA、AF、AF、AF、A、AF、AF、AF、AF、A、AF、A、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、A、A、A、A、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、AF、A、A、A、A、A、AF、A、A、A、A、A、A、A、AF、A、A、A、A、A、A、AF、AF、AF、AF、AF、A、AF、AF、A、A、AF、A、A、AF、AF、A、A、AF、A、A、AF、A、AF、AF、A、A、AF、AF、A、AF、A、AF、

0
下载
关闭预览

相关内容

专知会员服务
17+阅读 · 2021年3月16日
【ECCV2020】EfficientFCN:语义分割中的整体引导解码器
专知会员服务
15+阅读 · 2020年8月23日
专知会员服务
161+阅读 · 2020年1月16日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
语音顶级会议Interspeech2018接受论文列表!
专知
6+阅读 · 2018年6月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关资讯
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
语音顶级会议Interspeech2018接受论文列表!
专知
6+阅读 · 2018年6月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员