URLLC Facilitated by Mobile UAV Relay and RIS: A Joint Design of Passive Beamforming, Blocklength, and UAV Positioning
Notice bibliographique
Résumé
Upcoming fifth-generation (5G) networks need to support novel ultrareliable and low-latency (URLLC) traffic that utilizes short packets. This requires a paradigm shift as traditional communication systems are designed to transmit only long data packets based on Shannon's capacity formula, which poses a challenge for system designers. To address this challenge, this article relies on an unmanned aerial vehicle (UAV) and a reconfigurable intelligent surface (RIS) to deliver short URLLC instruction packets between ground Internet-of-Things (IoT) devices. In this context, we perform passive beamforming of RIS antenna elements as well as nonlinear and nonconvex optimization to minimize the total decoding error rate and find the UAV's optimal position and blocklength. In this article, a novel, polytope-based method from the class of direct search methods (DSMs) named Nelder-Mead simplex (NMS) is used to solve the optimization problem based on its computational efficiency; in terms of lesser number of required iterations to evaluate objective function. The proposed approach yields better convergence performance than the traditional gradient-descent optimization algorithm and a lower computation time and equivalent performance for the blocklength variable as the exhaustive search. Moreover, the proposed approach allows ultrahigh reliability, which can be attained by increasing the number of antenna elements in RIS as well as increasing the allocated blocklengths. Simulations demonstrate the RIS's performance gain and conclusively show that the UAV's position is crucial for achieving ultrahigh reliability in short packet transmission.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».