Self-Sustainable Multi-IRS-Aided Wireless Powered Hybrid TDMA-NOMA System
Notice bibliographique
Résumé
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.
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 | 0,000 |
| 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 | 0,001 | 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 ».