Phase Shifter Optimization in RIS-Aided MIMO Systems Under Multiple Reflections
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
We examine the problem of joint active and passive beamforming in a controllable multi-user reconfigurable intelligent surface (RIS)-assisted downlink and uplink wireless communication system, considering the mutual coupling among RIS elements. Due to the sub-wavelength structure, mutual coupling among RIS elements is unavoidable, and it inherently leads to multiple reflection effects that are ignored in conventional (approximative) RIS models. We formulate a joint non-convex problem under the MMSE criterion and use alternative optimization to convert the non-convex problem into two sub-problems for downlink and uplink transmissions separately. In both transmissions, one sub-problem involves optimizing the phase-shift matrix of RIS. In downlink, the other sub-problem is the optimization of active precoding for the base station (BS), while the equivalent sub-problem in uplink is the optimization of the linear receiver matrix. We optimize the phase shift matrix under a physically-consistent model using the gradient descent algorithm for both transmissions. We use the Lagrange multiplier method to optimize active precoding in the downlink and apply the First Order Necessary Condition (FONC) to optimize the linear receiver in the uplink. Simulation results are represented for both lossless and lossy RIS scenarios under perfect and imperfect channel state information. We discuss the impact of changing the number of RIS elements and the RIS element spacing on system performance. The results show that, with optimized phase shifts and active precoding, the inherent multiple reflection effect can improve the performance of RIS-aided wireless communications systems.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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