MétaCan
Menu
Retour à la cohorte
Enregistrement W4401070793 · doi:10.1109/tcomm.2024.3435514

Device-to-Device Communications With Selection-Based Cooperative RIS

2024· article· en· W4401070793 sur OpenAlexafffund
Anirban Bhowal, Sonia Aı̈ssa

Notice bibliographique

RevueIEEE Transactions on Communications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMolecular Communication and Nanonetworks
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSelection (genetic algorithm)Computer scienceElectronic engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This work amalgamates spatial modulation (SM) with ambient backscattering (ABSc) to address the spectral and energy efficiency demands of the power constrained device-to-device (D2D) communications in the Internet-of-things. Though incorporating reconfigurable intelligent surfaces (RISs) in the communication process can help in extending the coverage of such power constrained devices, rich scattering in the operation environment, or broken links between the nodes involved in the end-to-end communication, can adversely affect the system performance. To cope up with this challenge, a selection-based cooperative RIS protocol is proposed, and the performance of the D2D communication system, founded on SM and ABSc at the transmitter and cooperative RISs, is evaluated in terms of the bit error rate, outage probability, and energy efficiency. A link budget analysis is conducted to comprehend the effects of the RIS sizes in countering the path loss effects, and the imperfection of the channel estimation and timing synchronization of multiple RISs are also analyzed. The results reveal that the proposed communication model with cooperative RISs can overcome the path loss effects and enhance the received power levels, thereby outperforming the baseline system where a single RIS intervenes in the end-to-end communication, with a signal-to-noise ratio gain of around 10 dB for the bit error rate, outage probability, and energy efficiency. Considering different prominent SM techniques for the system operation and comparing the performance in different set-ups, it is shown that the system implementing generalized SM performs the best.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,277
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetMolecular Communication and NanonetworksTravaux en français237 207