Rate Maximization and Mode Selection for RDARS-Assisted MIMO Communications With Perfect and Imperfect CSI
Notice bibliographique
Résumé
Reconfigurable distributed antenna and reflecting surface (RDARS) has been recently proposed as a promising technology. This architecture enables each element to perform flexibly either in the reflection mode, like the traditional passive reconfigurable intelligent surface (RIS), or in the connection mode, akin to the distributed antenna system (DAS). This dual capability allows RDARS to harness both reflection gain and distribution gain. In this paper, we investigate a dynamic RDARS-aided multiple-input multiple-output communication system, where the optimal configuration of the elements operating in connection mode can provide additional selection gain. Considering the theoretical and practical significances, we address the achievable rate maximization problem by jointly optimizing the mode selection, transmit power allocation and passive beamforming under both perfect and imperfect channel state information (CSI) cases. Due to the involvement of the mode selection design of RDARS, the problem is more challenging than those of the traditional RIS-aided systems with fixed reflection operation. For perfect CSI case, by investigating the inherent properties of the objective function, we propose a greedy-based alternating optimization (AO) algorithm with low-complexity and then extend the proposed algorithm to the general multi-user multi-RDARS scenario. Additionally, we find interesting insights about the mode selection of RDARS in a special scenario with a single-antenna user. The result shows that the RDARS elements leading to the largest distribution gain should be selected to operate in connection mode for the rate maximization. For imperfect CSI case, we develop an efficient alternative direction method of multipliers-based AO algorithm. Numerical results show that RDARS-assisted system outperforms the passive-RIS assisted system and DAS under both perfect and imperfect CSI scenarios with promising reflection, distribution and selection gains.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».