Joint Phase Shift and Beamforming Design in a Multi-User MISO STAR-RIS Assisted Downlink NOMA Network
Notice bibliographique
Résumé
Simultaneous transmitting and reflecting reconfigurable intelligent surfaces (STAR-RIS) has gradually been considered as a promising technology in the wireless communication networks. Besides, non-orthogonal multiple access (NOMA) is also the key technology in the sixth-generation (6G) wireless communication system. In this work, we study a multiple input single output (MISO) STAR-RIS assisted NOMA downlink network and investigate the energy efficiency (EE) maximization to achieve the tradeoff between the sum rate and the power consumption. The original formulated problem is non-convex due to the coupled beamforming vectors of the users and phase shifts of the STAR-RIS. To efficiently solve the problem, we split the original non-convex problem into the phase shift and beamforming optimization problems and then solve them alternatively. In the phase shift optimization, fractional programming (FP) is applied to transform the sum rate maximum problem to convex semidefinite relaxation (SDR) one with the rank-one constraint. After this, a novel sequential rank-one constraint relaxation (SROCR) is proposed to convert the rank-one constraint into a convex one, which can effectively overcome the inadequacy of Gaussian randomization, i.e., quality of the solutions and computational complexity. Similarly, FP is applied to solve the beamforming problem by transforming it to SDR problem. It turns out that the optimal solution of the SDR beamforming optimization problem can be guaranteed to be rank-one by the mathematical proof and experiments. The simulation results demonstrate the STAR-RIS NOMA system can achieve the superior performance in EE.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».