연구동향 분석

거대 다중 안테나 시스템을 위한 넌컨벡스 압축센싱 기반 채널 정보 피드백 기법

김정현(Jung-Hyun Kim) 김인선(Inseon Kim) 박진수(Jin Soo Park) 송홍엽(Hong-Yeop Song) 한성우(Sung Woo Han) 2015년

논문상세정보
인용/피인용
' 거대 다중 안테나 시스템을 위한 넌컨벡스 압축센싱 기반 채널 정보 피드백 기법' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 전기통신
  • compressed sensing
  • csifeedback
  • fdd
  • massive mimo
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
1,603 0

0.0%

' 거대 다중 안테나 시스템을 위한 넌컨벡스 압축센싱 기반 채널 정보 피드백 기법' 의 참고문헌

  • 주파수 분할 하향링크 거대 다중 안테나 시스템을 위한 코드북 형성 및 검색 기법
    최일규 한국통신학회논문지 38 (8) : 704 ~ 711 [2013]
  • 공간 상관도를 가지는 거대배열 다중안테나 시스템에서 압축채널 제한적 피드백 알고리즘
    임연근 한국통신학회논문지 39 (7) : 431 ~ 436 [2014]
  • Sparse recovery by nonconvex optimization instance optimality
    R. Saab Appl. Comput. Harmonic Anal. 29 (1) : 30 ~ 48 [2010]
  • Scaling up MIMO: Opportunities and challenges with very large arrays
    F. Rusek IEEE Signal Process. Mag. 30 (1) : 40 ~ 60 [2013]
  • Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information
    E. Candes IEEE Trans. Inf. Theory 52 (2) : 489 ~ 509 [2006]
  • Restricted isometry properties and nonconvex compressive sensing
    R. Chartrand Inv. Probl. 24 (3) : 1 ~ 14 [2008]
  • On the performance of random vector quantization limited feedback beamforming in a MISO system
    C. K. Au-Yeung IEEE Trans. Wirel. Commun. 6 (2) : 458 ~ 462 [2007]
  • Noncooperative cellular wireless with unlimited numbers of base station antennas
    T. L Marzetta IEEE Trans. Wirel. Commun. 9 (11) : 3590 ~ 3600 [2010]
  • Near optimal signal recovery from random projections: universal encoding strategies?
    E. Candes IEEE Trans. Inf. Theory 52 (12) : 5406 ~ 5425 [2006]
  • MIMO interference alignment over correlated channels with imperfect CSIT
    B. Nosrat-Makouei IEEE Trans. Signal Process. 59 (6) : 2783 ~ 2794 [2011]
  • MIMO broadcast channels with finite-rate feedback
    N. Jindal IEEE Trans. Inf. Theory 52 (11) : 5045 ~ 5060 [2006]
  • MF 기반 다중 사용자 Massive MIMO 시스템의 최적 기지국 안테나 수 및 사용자 수 분석
    정민채 한국통신학회논문지 38 (8) : 724 ~ 732 [2013]
  • Large system analysis of linear precoding in correlated MISO broadcast channels under limited feedback
    S. Wagner IEEE Trans. Inf. Theory 58 (7) : 4509 ~ 4537 [2012]
  • Iteratively reweighted least squares minimization for sparse recovery
    I. Daubechies Commun. Pure Appl. Math. 63 (1) : 1 ~ 38 [2010]
  • Iteratively reweighted algorithms for compressive sensing
    R. Chartrand Proc. IEEE Int. Conf. Acoust., Speech, Signal Process. (ICASSP) : 3869 ~ 3872 [2008]
  • Exact reconstruction of sparse signals via nonconvex minimization
    R. Chartrand IEEE Signal Process. Lett. 14 (10) : 707 ~ 710 [2007]
  • Compressive sensing for feedback reduction in MIMO broadcast channels
    M. E. Eltayeb IEEE Trans. Commun. 62 (9) : 3209 ~ 3222 [2014]
  • Compressive sensing based channel feedback protocols for spatially-correlated massive antenna arrays
    P. Kuo Proc. IEEE Wirel. Commun. Netw. Conf. (WCNC) : 492 ~ 497 [2012]
  • Compressive sensing
    R. G. Baraniuk IEEE Signal Process. Mag. 24 (4) : 118 ~ 124 [2007]
  • Compressive feedback based on sparse approximation for multiuser MIMO systems
    H. Song IEEE Trans. Veh. Technol. 59 (2) : 1017 ~ 1023 [2010]
  • Compressed sensing
    D. L. Donoho IEEE Trans. Inf. Theory 52 (4) : 1289 ~ 1306 [2006]
  • A short note on non-convex compressed sensing
    R. Saab Proc. Sampling Theory and Appl. (SAMPTA) : 135 ~ 138 [2009]
  • A comparison of convex and nonconvex compressed sensing applied to multidimensional NMR
    K. Kazimierczuk J. Magnetic Resonance 223 : 1 ~ 10 [2012]