文献

J-GLOBAL ID：202002270612623819   整理番号：20A2689764

ビーム成形ネットワーク最適化による高移動度大量MIMO:Doppler拡散解析とスケーリング則【JST・京大機械翻訳】

High-Mobility Massive MIMO With Beamforming Network Optimization: Doppler Spread Analysis and Scaling Law

著者 (5件)： Ge Yinghao (MOE Key Laboratory for Intelligent Networks and Network Security, Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Zhang Weile (MOE Key Laboratory for Intelligent Networks and Network Security, Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an, China) ,  Gao Feifei (State Key Laboratory of Intelligent Technology and Systems, Tsinghua University, Beijing, China) ,  Zhang Shun (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an, China) ,  Ma Xiaoli (School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA, USA)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 38  号： 12  ページ： 2889-2902  発行年： 2020年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高移動度大規模多入力多出力(MIMO)システムにおいて,ドップラーシフト補償はビーム成形ネットワークと結合してチャネル時間変動を効果的に抑制できる。ビーム成形ネットワークの鍵は,一般的構成可能振幅と位相(CCAP)パラメータの最適化にある。本論文では,詳細な解析を行うことによって,このアプローチのより多くの洞察を明らかにした。最初に,CCAPパラメータがビーム成形ネットワークを最適化し,チャネル時間変動を低減し,半正弦波形式で近似することを示した。次に,漸近Doppler広がりとアンテナM数の間のスケーリング則を導出し,漸近Doppler広がりが1/Mの速度で減少することを明らかにした。さらに,Jakesのチャネルモデルから得られた最適CCAPパラメータを,より一般的なケースに直接適用することができ,一方,得られた漸近ドップラー広がりとアンテナの数の間の逆比例は,有効であることを証明した。数値結果は理論解析の正当性を確認した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アンテナ ,  *最適化 ,  *スケール則 ,  *ネットワーク ,  正弦波 ,  経時変化 ,  位相 ,  チャネル ,  *ビーム成形
準シソーラス用語： *MIMO ,  理論解析 ,  Dopplerシフト ,  高移動度 ,  ネットワーク最適化 ,  *Doppler拡散 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (7件)： ビーム成形 ,  ネットワーク最適化 ,  高移動度 ,  MIMO ,  Doppler拡散 ,  解析 ,  スケーリング則