Active IRS Design for RSMA-based Downlink URLLC Transmission
Notice bibliographique
Résumé
Rate-splitting multiple access (RSMA) has been proposed as a flexible multiple access scheme for improving interference management in sixth-generation (6G) networks. In particular, the low latency facilitated by RSMA and its robustness against user mobility and imperfect channel state information make it an ideal candidate for the ultra-reliable and low-latency (URLLC) use case in 6G networks. However, since the common message in RSMA needs to be decoded by all the users, the achievable rate of the common message is determined by the user with the poorest channel quality. To overcome this bottleneck, an active intelligent reflecting surface (IRS) can be deployed to enhance the achievable rate of the common stream. However, this comes at the expense of additional power consumption due to the active IRS. In this paper, we consider an active IRS-aided RSMA-based downlink URLLC system and study the resource allocation design for minimization of the power consumption of the base station and the active IRS under quality-of-service constraints for the URLLC users. Our simulation results reveal that active IRSs yield a lower overall power consumption and require a smaller surface size compared to passive IRSs in RSMA-based URLLC systems. Moreover, we show that active IRS-aided RSMA systems consume less power than active IRS-aided space division multiple access (SDMA) systems.
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 | 0,000 |
| 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 ».