Resource Allocation for STAR-RIS Assisted NOMA-SR With Hybrid Active-Passive Communication
Notice bibliographique
Résumé
The Internet of Things (IoT) employing symbiotic radio (SR) technology encounters challenges such as low throughput and susceptibility to double fading. To address these challenges, this paper integrates non-orthogonal multiple access (NOMA) with simultaneous transmitting and reflecting reconfigurable intelligent surface (STAR-RIS) technology in an SR system, introducing a novel transmission model termed STAR-RIS-assisted NOMA-SR with hybrid active-passive communication. The proposed model operates in three phases. In the first two phases, when the primary system’s licensed spectrum is occupied, the backscatter devices (BDs) utilize backscatter communication (BC) to establish a symbiotic relationship with the primary system. Specifically, in Phase 1, STAR-RIS enhances the energy harvesting (EH) of BDs via the reflection mode, while in Phase 2, it aids both the primary and secondary systems via the transmission mode. In Phase 3, when the licensed spectrum is idle, STAR-RIS facilitates the active communication (AC) of BDs via the transmission mode. To maximize the total throughput of BDs while guaranteeing the primary system’s target throughput, we formulate a non-convex optimization problem and develop a block coordinate descent (BCD)-based resource allocation scheme. The problem is decomposed into subproblems and solved using successive convex approximation (SCA), variable substitution, and semi-definite relaxation (SDR) to jointly optimize transmission time, beamforming, STAR-RIS reflection and transmission coefficients, as well as BDs’ power allocation and reflection coefficients. Numerical results show that the proposed scheme enhances the total throughput of BDs by 14.36%, 43.43%, 67.78%, and 439.69% compared to four baseline schemes.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».