Multi-RIS Assisted Hybrid Beamforming Design for Terahertz Massive MIMO Systems
Notice bibliographique
Résumé
This paper presents an innovative approach for terahertz (THz) band communications, utilizing reconfigurable intelligent surfaces (RISs) to implement an angular-based hybrid beamforming (AB-HBF). This study examines two significant THz channel scenarios with cost-efficient solutions utilizing RISs to enhance performance. The first scenario ensures reliable communication in the presence of obstacles blocking the direct path, where RISs offer an alternative transmission path. The second scenario leverages multiple-RIS in line-of-sight dominant or sparse environments to increase the rank of the channel matrix, consequently improving the achievable rate. By introducing an innovative HBF design for multiple-RIS-assisted THz massive MIMO systems, a three-stage design is proposed based on a geometry-based THz channel model. This design encompasses the transmit and receive radio frequency (RF) beamformers, transmit/receive baseband (BB) precoder/combiner, and RIS phase shift matrix. A particle swarm optimization-based solution is employed to design the RIS phase reflections. This design methodology is extended to the multiple-RIS-aided scenario, optimizing the phase shift matrices of each RIS. We also provide sub-connected AB-HBF configuration by offering a remarkable reduction in the total number of phase shifters compared to the fully-connected AB-HBF. Additionally, a deep learning-based phase shift design is incorporated to effectively optimize the RIS configurations, significantly reducing the computational time required for system calibration in dynamic THz environments. Extensive numerical experiments demonstrate the significant enhancement in the achievable rate of THz AB-HBF systems by incorporating RISs, mitigating the wireless propagation disruptions as well as reducing hardware cost/complexity and power consumption for massive MIMO 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».