Null-Space Based Design With Learning for RIS-Aided Wireless Information and Power Transfer
Notice bibliographique
Résumé
The paper presents a novel concept for reconfigurable intelligent surfaces (RIS) aided simultaneous wireless information and power transfer (SWIPT). The concept leverages, for the first time, the degrees of freedom provided by the null-space of the channel between the access point and the information receivers (IRs) through the RIS to send an additional energy signal to the energy receivers (ERs), simultaneously with the data transmission to the IRs. As with any new concept, the first step must be to validate it and assess its advantages and potential limitations in a typical wireless system composed of a multi-antenna transmitter, multiple IRs and ERs, and a RIS of varying dimensions. The paper does exactly this by designing a SWIPT system where the proposed null-space-based (NSB) approach is implemented. This design is then used to quantify the performance of the new approach and benchmark it against prior art. In this regard, we seek to maximize the ERs' harvested power and the IRs' data rate in the designed SWIPT system, which results in a multi-objective optimization problem proper to our NSB approach. To address this optimization problem, we propose and implement two solution approaches: one leveraging the deep deterministic policy gradient (DDPG) method, and the other utilizing alternating optimization (AO). We compare both solutions in terms of system performance, showing that the DDPG consistently outperforms the AO by 2–3% in all tested cases. Additionally, benchmarking against state-of-the-art approaches demonstrates that the proposed NSB SWIPT design outperforms existing SWIPT benchmarks by 15–20%, both with and without RIS.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».