IRS-Assisted Full Duplex Systems Over Rician and Nakagami Fading Channels
Notice bibliographique
Résumé
Intelligent reflecting surface (IRS) has been deemed as an energy and spectral-efficient technology, that can potentially enhance network coverage and transmission reliability, with minimum impact on transceivers' complexity. Motivated by this, we develop a comprehensive analysis on the performance of integrating IRS into full-duplex (FD) cellular or Internet of Things (IoT) networks in both realistic Rician and Nakagami fadings. Firstly, in the context of reciprocal channels in Rician fadings, we derive the closed-form approximations of the users' outage probability (OP) and ergodic capacity (EC), under the non-central Chi-square distribution assumption on the signal-to-interference-plus-noise ratio (SINR). Further following by the Gamma distribution assumption on the SINR, we derive the cumulative distribution function (CDF) expression of the user's SINR, which is then leveraged to obtain simple yet effective closed-form expressions in terms of OP and EC. Subsequently, in Nakagami fading scenarios with the reciprocal and non-reciprocal channels, the closed forms of both users' OP and EC are obtained. Finally, the correctness of all the theoretical expressions is verified through substantial Monte Carlo simulations. The results indicate that the OP and EC deduced from Gamma distribution exhibit the fairly precise results for the arbitrary number of IRS elements, especially in Nakagami fadings.
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 | 0,000 |
| 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 ».