MétaCan
Menu
Retour à la cohorte
Enregistrement W4409581412 · doi:10.1109/tcomm.2025.3562320

Channel Estimation and Localization for Cylindrical RIS-Assisted Multi-User ISAC Systems

2025· article· en· W4409581412 sur OpenAlexfundno aff
Yuxing Lin, Shi Jin, Michail Matthaiou, Xinping Yi

Notice bibliographique

RevueIEEE Transactions on Communications · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Sensor Networks and Detection Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Jiangsu ProvinceGovernment of Jiangsu ProvinceChina Postdoctoral Science FoundationNational Natural Science Foundation of ChinaQueen's University BelfastQueen's UniversityEuropean CommissionRoyal Academy of EngineeringEngineering and Physical Sciences Research CouncilLeverhulme TrustNational Science Foundation
Mots-clésComputer scienceChannel (broadcasting)Electronic engineeringElectrical engineeringEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate the channel estimation and localization problems for integrated sensing and communication (ISAC) systems empowered by the reconfigurable intelligent surface (RIS) technology. We propose a cylindrical RIS architecture that arranges reflecting elements on a curved substrate, where the three-dimensional array manifold can not only offer a 360° coverage but also perceive the environmental information more deeply. The conformal RIS topology can fit the deployment scenarios more flexibly, which, however, incurs a potential issue of shadowing effect, i.e., signal waves from/to certain directions can only be observed by a part of reflectors due to the shielding of the substrate curvature, yielding different visibility regions (VRs) for multiple users on the RIS array manifold. In order to address this problem, we propose a tensorial channel estimation approach, where the cascaded channel is transformed into the beamspace domain and modeled as a canonical polyadic tensor. By leveraging the principle of tensor completion, we can eliminate the RIS training profiles to deconstruct the channel in the element domain. Then, we develop a VR detection strategy based on the sliding windows, retrieving equivalent channel parameters from the effective signal responses. Finally, by exploring the characteristics of the cylindrical RIS architecture, we develop a decoupling framework to uniquely recover the exact channel parameters, based on which each user can locate itself and other interacting ones. Simulation results indicate that the proposed cylindrical RIS can enable the channel estimation, user localization and data transmission simultaneously, exhibiting remarkable performance under the shadowing effect interference.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,299
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetDistributed Sensor Networks and Detection AlgorithmsTravaux en français237 207