Non-reciprocal RIS-Aided Full-Duplex Communications: IoT Applications
Notice bibliographique
Résumé
The rapid growth of the Internet of Things (IoT) has increased the demand for efficient communication in scenarios where numerous devices sporadically transmit data to a base station (BS). This rise in wireless devices has led to spectrum congestion, driving the need for flexible and multifunctional full-duplex wireless systems. Reconfigurable Intelligent Surfaces (RIS) are particularly useful for enhancing data transmission in challenging environments, such as IoT devices in dead zones. RISs are programmable, ultra-compact, and can facilitate reciprocal and non-reciprocal signal transmissions in full-duplex mode, theoretically doubling the spectrum efficiency compared to half-duplex systems. Non-reciprocal RISs, with their independent transmission and reception paths, are ideal for full-duplex communication. This paper explores both reciprocal and non-reciprocal RIS configurations, deriving Signal-to-Interference-plus-Noise Ratio (SINR) metrics for both downlink and uplink scenarios. Optimal phase settings at the RIS are determined to maximize SINR, and simulation results demonstrate the advantages of RIS deployment in enhancing full-duplex communications for seamless connectivity in IoT systems. The study highlights the trade-offs between reciprocal and non-reciprocal RIS setups, with a focus on transmission power and RIS characteristics in system design. Additionally, the findings underscore the benefits of non-reciprocal RISs, particularly in leveraging directional transmission for improved system performance.
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 | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».