logo móvil
Contáctanos

Algoritmos conjuntos de selección de antena y formación de haz para la multicasting de capa física con antenas masivas

Autores: Wang, Xinhua; Sheng, Jinlu

Idioma: Inglés

Editor: MDPI

Año: 2016

Descargar PDF

Acceso abierto

Artículo científico
2016

Algoritmos conjuntos de selección de antena y formación de haz para la multicasting de capa física con antenas masivas


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería de Software

Palabras clave

Consumo de energía
Selección de antena
Técnica de formación de haz
Relación señal-ruido
Matrices de antenas a gran escala
Minimización de norma.

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 26

Citaciones: Sin citaciones


Descripción
Investigamos el problema de minimizar el consumo total de energía bajo la restricción del requisito de relación señal-ruido (SNR) para el sistema de multidifusión de capa física con matrices de antenas a gran escala. A diferencia del trabajo existente, consideramos explícitamente tanto la potencia de transmisión como la potencia de circuito que escala con el número de antenas. Se propone la técnica conjunta de selección de antenas y formación de haces para minimizar el consumo total de energía. El problema es un desafío, que tiene como objetivo minimizar la combinación lineal de la norma - y la norma -. Hasta donde sabemos, este problema de minimización aún no ha sido resuelto de manera satisfactoria. Se diseña un algoritmo de selección de antenas decremental aleatorio, que es modificado aún más por una aproximación de la potencia de transmisión mínima basada en la ortogonalidad asintótica de los canales. Luego, se propone un algoritmo de selección de antenas decremental más eficiente basado en la minimización de la norma. Los resultados de rendimiento muestran que el algoritmo de minimización de la norma supera ampliamente al algoritmo de selección aleatoria en términos del consumo total de energía y el tiempo de ejecución promedio.

Otros recursos que podrían interesarte

Temas Virtualpro