We consider a fully digital massive multiple-input multiple-output architecture with low-resolution analog-to-digital/digital-to-analog converters (ADCs/DACs) at the base station (BS) and analyze the performance trade-off between the number of BS antennas, the resolution of the ADCs/DACs, and the bandwidth. Assuming a hardware power consumption constraint, we determine the relationship between these design parameters by using a realistic model for the power consumption of the ADCs/DACs and the radio frequency chains. Considering uplink pilot-aided channel estimation, we build on the Bussgang decomposition to derive tractable expressions for uplink and downlink ergodic achievable sum rates. Numerical results show that the ergodic performance is boosted when many BS antennas with very low resolution (i.e., 2 to 3 bits) are adopted in both the uplink and the downlink.


翻译:我们考虑在基站(BS)建立一个具有低分辨率模拟数字-数字-数字-数字-数字-对等转换器(ADCs/DACs)的完全数字大规模多输出输出结构,并分析BS天线数量、ADCs/DACs分辨率和带宽之间的性能权衡。假设硬件电能消耗限制,我们通过使用ADCs/DACs和无线电频率链能耗的现实模型来确定这些设计参数之间的关系。考虑到上链接试点辅助的频道估计,我们利用Bussgang分解法为上链接和下链接可实现的总和率绘制可移动的表达方式。数字结果显示,当上链接和下链接都采用许多分辨率(即2至3位)的BS天线时,这些设计参数之间的关系就会得到提高。

0
下载
关闭预览

相关内容

专知会员服务
14+阅读 · 2021年5月21日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
58+阅读 · 2019年12月21日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
“CVPR 2020 接受论文列表 1470篇论文都在这了
CCF推荐 | 国际会议信息10条
Call4Papers
7+阅读 · 2019年5月27日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
已删除
将门创投
5+阅读 · 2018年10月16日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
Arxiv
5+阅读 · 2020年3月16日
VIP会员
相关资讯
“CVPR 2020 接受论文列表 1470篇论文都在这了
CCF推荐 | 国际会议信息10条
Call4Papers
7+阅读 · 2019年5月27日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
已删除
将门创投
5+阅读 · 2018年10月16日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
Top
微信扫码咨询专知VIP会员