Robust Active and Passive Beamformer Design for IRS-Aided Downlink MISO PS-SWIPT With a Nonlinear Energy Harvesting Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper optimizes the energy consumption of the downlink of a multiple-antenna base station (BS) transmitting to several single-antenna users. The BS utilizes simultaneous wireless information and power transfer (SWIPT) while receivers apply power-splitting (PS) with a nonlinear energy harvesting model leading to PS-SWIPT. We use an intelligent reflecting surface (IRS) and propose a joint design to optimize the active data and the BS’s energy beamformers, IRS’s passive beamformers, and the receivers’ PS ratios under perfect and imperfect CSI availability. In particular, the total BS transmit power is minimized while guaranteeing a minimum rate and harvested energy for each receiver. We apply the block coordinate descent (BCD) method to optimize active and passive beamformers iteratively. We enforce the rank-one constraint and solve the corresponding optimization problem via successive convex approximation (SCA) for accurate semidefinite relaxations. Furthermore, we propose a worst-case robust design for the imperfect CSI case and reformulate this problem with infinitely many constraints. With the BCD method, the problem is iteratively solved via semidefinite programming (SDP) and a second sub-problem with a linear objective and quadratic matrix inequalities, which is also solved via SCA. Numerical results show significant improvements (e.g., 30% decrease in transmit power) than those of no-IRS and IRS with random phase shifts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle