Resource Allocation in STAR-RIS-Aided Networks: OMA and NOMA
Notice bibliographique
Résumé
Simultaneously transmitting and reflecting reconfigurable intelligent surface (STAR-RIS) is a promising technology that aids in achieving full-space coverage on both sides of the surface, by splitting the incident signal into transmitted and reflected signals. This paper investigates the resource allocation problem in a STAR-RIS-assisted multi-carrier communication networks. To maximize the system sum-rate, a joint optimization problem comprising of the channel assignment, power allocation, and transmission and reflection beamforming at the STAR-RIS for orthogonal multiple access (OMA) is first formulated. To solve this challenging problem, we first propose a channel assignment scheme utilizing matching theory and then invoke the alternating optimization-based method to optimize the resource allocation policy and beamforming vectors iteratively. Furthermore, the sum-rate maximization problem for non-orthogonal multiple access (NOMA) with flexible decoding orders is investigated. To efficiently solve it, we first propose a location-based matching algorithm to determine the sub-channel assignment, where a transmitted user and a reflected user are grouped on a sub-channel. Based on thistransmission-and-reflectionsub-channel assignment strategy, a three-step approach is proposed, which involves the optimization of decoding orders, beamforming-coefficient vectors, and power allocation, by employing semidefinite programming, convex upper bound approximation, and geometry programming, respectively. Numerical results unveil that: 1) For OMA, a general design that includes the same-side user-pairing for channel assignment is preferable, whereas for NOMA, the proposed transmission-and-reflection scheme can achieve comparable performance to the exhaustive search-based algorithm. 2) The STAR-RIS-aided NOMA network significantly outperforms networks employing conventional RISs and OMA.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».