A State-of-the-Art Survey on Reconfigurable Intelligent Surface-Assisted Non-Orthogonal Multiple Access Networks
Notice bibliographique
Résumé
Reconfigurable intelligent surfaces (RISs) and nonorthogonal multiple access (NOMA) have been recognized as key enabling techniques for the envisioned sixth generation (6G) of mobile communication networks. The key feature of RISs is to intelligently reconfigure the wireless propagation environment, which was once considered to be fixed and untunable. The key idea of NOMA is to utilize users’ dynamic channel conditions to improve spectral efficiency and user fairness. Naturally, the two communication techniques are complementary to each other and can be integrated to cope with the challenging requirements envisioned for 6G mobile networks. This survey provides a comprehensive overview of the recent progress on the synergistic integration of RISs and NOMA. In particular, the basics of both techniques are introduced first, and then, the fundamentals of RIS-NOMA are discussed for two communication scenarios with different transceiver capabilities. Resource allocation is of paramount importance for the success of RIS-assisted NOMA networks, and various approaches, including artificial intelligence (AI)-empowered designs, are introduced. Security provisioning in RIS-NOMA networks is also discussed as wireless networks are prone to security attacks due to the nature of the shared wireless medium. Finally, the survey is concluded with detailed discussions of the challenges arising in the practical implementation of RIS-NOMA, future research directions, and emerging applications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».