STAR-RIS Aided RSMA for Multi-Group Joint Multicast and Unicast Transmission
Notice bibliographique
Résumé
Rate splitting multiple access (RSMA) is a novel transmission technique that enables simultaneous delivery of common and private messages to multiple users, which is suitable for joint multicast and unicast transmission. In this paper, a multi-group joint multicast and unicast downlink system is considered, where users are divided into different groups. A user grouping policy based on joint services and channel conditions is investigated, and a sum-rate maximization problem for the downlink RSMA system is formulated. Furthermore, the simultaneously transmitting and reflecting reconfigurable intelligent surfaces (STAR-RIS) is introduced to improve the extremely poor user channel conditions. Then a joint optimization framework based on alternating optimization (AO) for user grouping, phase adjustment, and resource allocation in STAR-RIS-assisted RSMA system is proposed, where successive convex approximation (SCA) and the projected gradient method (PGM) serve as key optimization algorithms. Simulation results demonstrate that an appropriate user grouping policy fully exploits the performance of RSMA, and the introduction of STAR-RIS significantly further enhances the system capacity across various channel scenarios. Notably, when multiple users experience poor channel conditions, STAR-RIS effectively improves the channel conditions and incorporates them into RSMA groups, further boosting overall 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».