MétaCan
Menu
Retour à la cohorte
Enregistrement W4379805033 · doi:10.1109/access.2023.3284317

Self-Sustainable Multi-IRS-Aided Wireless Powered Hybrid TDMA-NOMA System

2023· article· en· W4379805033 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Access · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsEngineering and Physical Sciences Research CouncilHorizon 2020 Framework ProgrammeUniversity of York
Mots-clésTime division multiple accessComputer scienceQuality of serviceComputer networkBase stationWirelessSpectral efficiencyTelecommunicationsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Intelligent reflecting surface (IRS) has been recently integrated with emerging communication technologies to meet the demanding requirements of communication systems. This paper investigates the deployment of multi-IRS units in a hybrid time-domain multiple access (TDMA) and non-orthogonal multiple access (NOMA) system, referred to as a multi-IRS-aided hybrid TDMA-NOMA system. In particular, a self-sustainable scenario is proposed, in which the IRS units can harvest energy from the radio frequency signal to feed them-self with the required energy. With this self-sustainable IRS-aided hybrid TDMA-NOMA system, the available time is fragmented into a set of time slots, in which an IRS unit is assigned to serve a cluster of users during each time slot. Meanwhile, the remaining unassigned (i.e., idle) IRS units harvest energy to feed themselves with the required energy, which addresses the energy limitation challenge related to conventional communication systems. Specifically, we propose an efficient algorithm to group the users in clusters and, thus, assign an appropriate IRS unit for each cluster. To examine the capabilities of the proposed self-sustainable multi-IRS-aided hybrid TDMA-NOMA system, a resource allocation framework is formulated aiming to minimize the transmit power at the base station under a set of quality-of-service (QoS) constraints. Such QoS constraints include the minimum required rate for each user and the minimum harvested energy at each IRS. However, since the considered optimization problem is not convex, and the coupled nature of the design parameters (i.e., the per-user power allocation and per-IRS reflection phase matrix), solving such a problem is challenging. Thus, we develop an efficient iterative algorithm, based on the sequential convex approximation, to solve the original optimization problem. Simulation results reveal that the proposed self-sustainable IRS-aided TDMA-NOMA system with the proposed clustering approach and IRS assignment consumes less power while achieving the sustainability of IRS units compared to benchmark approaches.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,275
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle