Intelligent Reflecting Surface Enabled Random Rotations Scheme for the\n MISO Broadcast Channel
Notice bibliographique
Résumé
The current literature on intelligent reflecting surface (IRS) focuses on\noptimizing the IRS phase shifts to yield coherent beamforming gains, under the\nassumption of perfect channel state information (CSI) of individual\nIRS-assisted links, which is highly impractical. This work, instead, considers\nthe random rotations scheme at the IRS in which the reflecting elements only\nemploy random phase rotations without requiring any CSI. The only CSI then\nneeded is at the base station (BS) of the overall channel to implement the\nbeamforming transmission scheme. Under this framework, we derive the sum-rate\nscaling laws in the large number of users regime for the IRS-assisted\nmultiple-input single-output (MISO) broadcast channel, with optimal dirty paper\ncoding (DPC) scheme and the lower-complexity random beamforming (RBF) and\ndeterministic beamforming (DBF) schemes at the BS. The random rotations scheme\nincreases the sum-rate by exploiting multi-user diversity, but also compromises\nthe gain to some extent due to correlation. Finally, energy efficiency\nmaximization problems in terms of the number of BS antennas, IRS elements and\ntransmit power are solved using the derived scaling laws. Simulation results\nshow the proposed scheme to improve the sum-rate, with performance becoming\nclose to that under coherent beamforming for a large number of users.\n
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».