Enhancing Spectral Efficiency: The Impact of RIS Elements Association on Multi-User Cell-Free Wireless Networks
Notice bibliographique
Résumé
This paper proposes a hybrid mathematical method to optimize the association of reconfigurable intelligent surface (RIS) elements in cell-free wireless communication networks (CFWCN) assisted by multiple RISs, achieving maximum sum spectral efficiency (SSE). In the proposed approach the RIS elements are associated jointly with both access points (APs) and users equipment (UEs), addressing a previously unexplored aspect of RIS integration. Our proposed method incorporates the joint optimization of digital beamforming at the AP, analog beamforming at the RIS, association of RIS elements to UEs, and association of RIS elements to APs. It addresses the challenge of a mixed-integer non-convex problem through a combination of fractional programming (FP) and simulated annealing (SA) techniques. In this work, we also compare, for the first time, the performance of three elements association modes: association only with APs, association only with UEs, and joint association with both APs and UEs. Additionally, we investigate the impact of non-selective elements interference (NSEI) on RIS elements associations with both APs and UEs. We then expand our model to a more realistic one, incorporating spatial correlations both between AP antennas and among RIS elements. Simulation results show that our hybrid association approach outperforms the conventional methods for different channel models. Key findings include a 42% improvement in SSE when UEs are close to RISs. This enhancement is due to narrower beamformings achieved through optimized element categorization. The analysis reveals that optimal RIS element association with distant entities (APs or UEs) yields near-optimal 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 | 0,001 | 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 | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».