A Novel Information-Directed Tree-Search Algorithm for RIS Phase Optimization in Massive MIMO
Notice bibliographique
Résumé
In this paper, we propose a novel Information-Directed Branch-and-Prune (IDBP) algorithm to optimize the discrete phase settings of a passive Reconfigurable Intelligent Surfaces (RIS) to improve the blocked line-of-sight (LOS) link performance in the Massive Multiple-Input Multiple-Output (MaMIMO) wireless networks. The MaMIMO transceivers are assumed to be equipped with a hybrid precoder, combiner, and low-resolution analog-to-digital converters (ADCs). Mean Squared Error (MSE) of the received and combined symbol at the receiver is used as the performance metric. We derive the expression for the Cramer-Rao lower bound (CRLB) of the MSE as a function of the RIS phase shift settings for a given hybrid precoder, combiner, and ADC bits. The proposed IDBP algorithm arrives at the RIS phase settings that minimize the CRLB using an information-theoretic measure that define the pruning rules in the tree traversal. Using the proposed algorithm and with an appropriate design of the hybrid precoder and combiner, it can be shown that the MSE achieves the CRLB. We claim theoretical guarantees for near-optimal MSE performance and the throughput for a blocked LOS link with reduced 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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».