Total Computational Bits Maximization for STAR-RIS Aided Wireless Power Transfer Mobile Edge Computing Networks: TDMA or NOMA?
Notice bibliographique
Résumé
Due to the limited battery capacity and computational power of Internet-of-Things (IoT) devices, emerging IoT applications depend on mobile edge computing (MEC) networks for computational offloading and wireless power transfer (WPT) to sustain energy levels, with transfer performance influenced by the propagation environment and transmission strategies. Compared to the traditional reflecting-only reconfigurable intelligent surface (RIS), simultaneously transmitting and reflecting (STAR)-RIS extends coverage from half-space to full-space, significantly enhancing transferring efficiency. This paper compares the performance of three different uplink transmission schemes on a STAR-RIS WPT MEC network. On this basis, for each scenario, a non-convex optimization problem is formulated to maximize the total computational bits for the system, where energy transfer, local processing, uplink transmission allocated resources, and phase shift vectors of STAR-RIS are jointly optimized. To address the non-convexity, each scenario is decoupled into two main subproblems: phase shift vectors of STAR-RIS optimization and joint power, time, and computing frequency optimization. While a closed-form expression is derived to optimize the phase shift vector of STAR-RIS in time division multiple access (TDMA), semi-definite relaxation is employed to optimize the phase shift vectors under Hybrid TDMA-non-orthogonal multiple access (NOMA) and NOMA. Furthermore, block coordinate descent is employed to address the remaining resources. Simulation results indicate the superiority of the proposed scheme for all scenarios in terms of total computational bits compared to benchmark schemes. Moreover, among the three uplink transmission schemes, TDMA performs the best in total computational bits and user fairness owing to its ability to flexibly adapt STAR-RIS phase shift vectors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».