IRS-assisted vehicular visible light communications systems: channel modeling and performance analysis
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.
Notice bibliographique
Résumé
Visible light communications (VLC) is a promising solution as an alternative for the fully occupied radio frequency bands in the near future. The rear (tail) and front of vehicles have lamps that can be used for vehicular visible light communications (VVLC) systems. However, one of the main challenges of VLC systems is the line-of-sight (LoS) blockage issue. In this paper, we propose the installation of intelligent reflecting surfaces (IRSs) (i.e., smart mirrors) on the back of vehicles to overcome the issue in VVLC systems. We assume three different patterns of angular distribution for the radiation intensity: a commercially available LED with an asymmetrical pattern (Philips Luxeon Rebel), a symmetrical Lambertian pattern, and an asymmetrical Gaussian pattern. In the first section of this paper, we obtain the channel model for the IRS-assisted VVLC systems, then we investigate the path loss results versus link distance under different conditions such as weather type (clear, rainy, moderate fog, and thick fog) and radiation patterns. Moreover, the impact of system parameters such as the aperture size of the photodetector (PD), side-to-side and front-to-front distances, the number of IRS elements, and the IRS area are studied. In the second part, we derive a closed-form expression for the maximum achievable link distance versus the probability of error for the IRS-assisted VVLC systems. In addition, in this section we analyze the impact of the parameters in a single-photon avalanche diode (SPAD), background noise, and the system parameters for the path loss.
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 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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle