Electromagnetic Insights Into Path Loss Modelling of IRS-Assisted SISO Links: Method-Of-Moment Based Analysis
Notice bibliographique
Résumé
In this paper, we demonstrate the usefulness of MoM (Method-of-Moments) based methods in efficient path-loss modelling for SISO (single-input single-output) communication links assisted by IRS (Intelligent Reflecting Surfaces). Being a full-wave computational electromagnetic tool, MoM is better equipped compared to high-frequency asymptotic methods like PO (Physical Optics), to handle the crucial electromagnetic (EM) effects like: mutual coupling between IRS unit-cells or interactions with spherical wave-front in antenna near-field. Furthermore, in terms of computational speed, accuracy and reproducibility, the MoM-based MATLAB Antenna Toolbox is significantly advantageous to emulate IRS-assisted wireless channels, as compared to the in-house FDTD (finite-difference time-domain) techniques. We consider a SISO system of two half-wavelength dipoles, and use a rectangular array of circular loops loaded with lumped circuit components as IRS. The lumped circuit loading enables us to control the reactance of individual unit-cells, resulting in alteration of IRS reflection coefficient and consequent changes in channel characteristics. Using numerous numerical simulations, we highlight the impacts of various IRS-parameters like: electrical size and number of unit-cells, distance of IRS from the transmitter/receiver as well as mutual coupling, on the path-loss models (both sub-6 GHz and mm-wave).
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 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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».