Performance analysis for IRS‐aided communication systems with composite fading/shadowing direct link and discrete phase shifts
Notice bibliographique
Résumé
Abstract Intelligent reflecting surface (IRS) is an emerging technology and serves as a key component of any smart radio environment. In this article, we consider an IRS that assists communication of a direct link between a single‐antenna transmitter and a receiver. It is assumed that a direct link experiences composite fading/shadowing and is modeled by Generalized‐Kdistribution. Moreover, IRS has line‐of‐sight (LoS) paths, therefore, Rician distribution is used to characterize the fading for these paths. We also consider phase errors that exist due to discrete number of phase shifts. We derive an approximation for the end‐to‐end signal‐to‐noise ratio (SNR) which shows that an amplitude of the direct link is increased by a positive offset because of the presence of IRS. Based on this SNR approximation, a new statistical framework that includes cumulative distribution function (CDF), probability density function (PDF), and moment generating function (MGF) is developed. Leveraging this statistical framework, we derive new and accurate closed‐form approximations for the outage probability, average error probability, ergodic capacity and generalized moments. It is shown that the considered IRS‐aided system (IAS) achieves much better performance even with a few numbers of phase shifts as compared to other baseline systems. Simulations are also provided which verify the tightness of our derived approximations.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».