Multi-IRS-Assisted mmWave MIMO Communication Using Twin-Timescale Channel State Information
Notice bibliographique
Résumé
To reduce the computational complexity and channel estimation overhead for multi-intelligent reflecting surface (IRS)-assisted millimeter wave (mmWave) multiple-input multiple-output (MIMO) communication, we consider a joint design of the hybrid precoders at the base station and the passive precoders at the IRSs to maximize the ergodic spectral efficiency by exploiting the twin-timescale channel state information (CSI). Specifically, the digital precoder is designed according to the instantaneous CSI of a reduced-dimensional assist channel matrix, while the IRS passive reflection coefficient matrices and the analog precoder are optimized using the statistical CSI of all links. However, such a design problem is challenging to solve due to the non-convexity and the twin timescale. This work proposes efficient algorithms to jointly design the precoders, where the update of the IRS reflection coefficient matrices is independent of the hybrid precoders and the design of the analog precoder is independent of the digital precoder. Simulation results demonstrate the effectiveness of the proposed algorithms and provide the application scenes of the fully-connected and subarray-connected architectures. The results also show that the ergodic spectral efficiency for the fully-connected architecture using the twin-timescale CSI can approach that using the existing CSI schemes with less channel estimation overhead and computational complexity.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 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 ».