System Level Simulation Method and Performance of RIS-Assisted Wireless Networks
Notice bibliographique
Résumé
Reconfigurable Intelligent Surface (RIS) is a promising technique in the next generation of wireless communication systems. Many researches have discussed the signal quality promotion introduced by RIS via link-level simulations or field tests, but few are done in the system level. In this paper we conduct a System-Level Simulation (SLS) of the RIS-assisted network based on the Geometry-based Stochastic Channel Model (GSCM), and use the results to answer two questions: 1) How much coverage gain is brought by RIS, and how many users benefit from RIS? 2) How to avoid prohibitively high complexity in the RIS SLS due to the enormous increase of RIS-related links and equivalent channels? For the first question, we derive an closed-form Reference Signal Received Power (RSRP) formula for RIS equivalent channel considering the impact of spatial directional beamforming. From the formula, we further analyze the typical propagation conditions that a user may benefit from RIS for coverage enhancement. For the second question, the RSRP distributions are derived for both the desired signal from associated BS and RIS and the adverse signal from interfering BS or RIS, from which we prove that the cross-sector RIS interference are weak enough to be neglected in the SLS, reducing the simulation complexity significantly,
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 ».