Hybrid Beamforming for RIS-Aided ISAC: Maximizing Weighted Sum of SCNR and SINR
Notice bibliographique
Résumé
This paper investigates the beamforming for the reconfigurable intelligent surface (RIS)-aided millimeter wave integrated sensing and communication system. We propose a fractional programming (FP) and alternating optimization-based hybrid beamforming (HBF) scheme. The weighted sum of the signal-to-clutter-and-noise-ratio at the radar receiver and the smallest signal-to-interference-plus-noise ratio among all communication users is maximized under the hardware constraints. Since it is difficult to directly obtain a solution for this non-convex FP problem, it is divided into three sub-problems that are alternately solved. Two sub-problems optimizing the digital transceiving beamforming at the base station (BS) are transformed into typical convex quadratic constraint quadratic programming ones using quadratic transformation. The other sub-problem optimizing the RIS passive beamforming is transformed into a manifold optimization one using Dinkelbach transformation. In addition, we consider the HBF structure at the BS through substituting the fully digital beamformer by the digital and analog ones. To reduce the computational complexity, a low-complexity HBF scheme based on Rayleigh quotient, zero-forcing and discrete Fourier transform codewords is proposed with closed-form expressions. Simulation results verify the effectiveness of two proposed 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 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».