Spectrally-Efficient Beamforming Design for STAR-RIS-Aided URLLC NOMA Systems
Notice bibliographique
Résumé
Next-generation wireless applications are expected to enable extended ultra-reliable low-latency communication (URLLC) to support high data rates along with ultra-reliability and low-latency features beyond the capabilities of existing core services. There is a need to transition from conventional architectures to more efficient and robust multiple-access schemes to meet these consolidated requirements in resource-constrained systems. This study explores the utilization of simultaneous transmitting and reflecting reconfigurable intelligent surface (STAR-RIS) in non-orthogonal multiple access (NOMA) systems to enable spectrally efficient URLLC, even under the imperfect channel state information. In particular, we focus on maximizing spectral efficiency by jointly designing robust beamforming at the base station and STAR-RIS subject to given URLLC requirements. Due to the non-convexity of the formulated problem, we propose an alternating optimization framework that obtains sub-optimal solutions to the problems of beamforming design at the BS and STAR-RIS, respectively by exploiting <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathcal {S}-$ </tex-math></inline-formula>procedure and successive convex approximation. Simulation results confirm that the STAR-RIS-NOMA system can significantly boost the spectral efficiency by 10-15% compared to conventional reflecting-only RIS while guaranteeing the strict URLLC requirements. Specifically, among all the possible modes of STAR-RIS, the time-splitting mode provides better spectral efficiency than other modes owing to its better interference management.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».