A Survey on RIS Advances in Terahertz Communications: Emerging Paradigms and Research Frontiers
Notice bibliographique
Résumé
Communication at terahertz (THz) frequencies has emerged as a potential answer to the challenge of providing massive capacity and ultra-high data speeds for 6G wireless networks. However, THz waves are vulnerable to obstruction because of their attenuation during propagation and poor diffraction. The development of reconfigurable intelligent surfaces (RIS) technology has shown promise in addressing these issues. The RIS enables the development of smart radio settings with enhanced spectrum coverage and efficiency by regulating the phase shifts of passively reflecting elements. Amidst the vast potential of RIS-based THz communication, a noticeable void exists in comprehensive research, calling for a systematic survey to shed light on its principles, use cases, performance evaluation, challenges, and future trajectories. This review investigates the exciting field of RIS-based THz communication in fifth-generation (B5G), sixth-generation (6G), and beyond. Our study provides a comprehensive overview of this emerging technology, covering a variety of use cases, including channel estimation (CE), coverage, security, sum rate, and energy efficiency. We also investigate resource allocation strategies for THz communication using RIS. Additionally, the performance of RIS-based THz systems with multiple-input and multiple-output (MIMO) and massive MIMO and unmanned aerial vehicle (UAV) technologies is analyzed. By analyzing the existing literature, we illuminate the various approaches, methodologies, and future developments in this field. We also emphasize open issues and research opportunities in THz communication based on RIS. This survey is a valuable resource, contributing to understanding the emerging paradigms and research frontiers of RIS-based THz communication.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».