Sum-Rate Maximization for RIS-IoV: From Instantaneous to Statistical CSI
Notice bibliographique
Résumé
To fully exploit the potential of reconfigurable intelligent surface (RIS), the controllable channel state information (CSI) should be accurate for its future applications. Unfortunately, in vehicular communications, obtaining exact instantaneous CSI presents substantial challenges. Moreover, even with an instantaneous CSI acquisition, a processing latency for RIS phase shift adaption might occur before the vehicular system reacts to the instantaneous CSI information. To effectively introduce RIS into Internet of vehicle (IoV) networks, we employ a more realistic statistical CSI approach in designing RIS-assisted vehicular communication systems that are robust to the general characteristics of the channel, rather than its instantaneous fluctuations. We present a practical system framework, where a roadside unit employs an RIS to facilitate indirect wireless communications for vehicle-to-vehicle (V2V) communications. Particularly, the direct links between vehicles are susceptible to blockages caused by surrounding obstacles/vehicles. The deployment of RIS is to establish supplementary communication links between a multi-antenna vehicle source (VS) and multiple vehicular users (VUs) as they traverse areas with a poor service coverage. With the objective to maximize the time-averaged sum-rate of VUs, instead of instantaneous CSI, we rely on the delayed statistical CSI feedback to design active beamforming at the VS and passive beamforming at RIS. Moreover, we develop an efficient algorithm, named JAPBNB, which leverages the fractional programming technique to find a stationary solution for the formulated sum-of-logarithms-of-ratio problem. Specifically, a non-convex block coordinate descent (BCD) approach, collaborating with the alternating direction method of multipliers (ADMM), is applied for the joint optimization of active and passive beamforming. Finally, the complexity and convergence of the proposed JAPBNB algorithm are thoroughly discussed and validated. Simulation results demonstrate that the time-averaged sum-rate obtained by the proposed JAPBNB algorithm approaches that obtained by the instantaneous CSI scheme, when the delayed statistical CSI feedback interval is adequately small.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».