Optimization of RIS-Assisted RSMA-Enabled Tethered-UAV Communications
Notice bibliographique
Résumé
Several technologies have been driving the development of next-generation wireless networks, including unmanned aerial vehicles (UAVs), reconfigurable intelligent surfaces (RISs), and rate-splitting multiple access (RSMA). UAVs, in particular tethered UAVs (TUAVs), are seen as an enabler of ubiquitous and continuous cellular services. Similarly, RIS technology can improve spectral efficiency by smartly directing radio signals toward receivers, while RSMA emerged as an efficient multiple-access technique that controls interference to serve multiple users. To benefit from these paradigms, we explore here a RIS-assisted RSMA-enabled TUAV communication system and investigate the joint optimization of its parameters. Specifically, we formulate the joint TUAV placement, RIS phase-shift configuration, and RSMA parameters optimization problem to maximize the weighted sum data rate (WSR) of ground users. Due to the problem's complexity, we study the sub-problems of phase-shift optimization, RSMA precoding and rate-splitting, and TUAV placement. Through the combination of the proposed solutions, we present a novel exhaustive/alternating optimization-based algorithm. The obtained results illustrate the efficiency of our method in enhancing the WSR performance. Then, through an impact study of parameters such as TUAV altitude, RIS size, and location, we provide novel insights into the design of RIS-assisted RSMA-enabled TUAV 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.
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 | 0,000 | 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 ».