論文の概要: Sum Throughput Maximization in Multi-BD Symbiotic Radio NOMA Network Assisted by Active-STAR-RIS

• arxiv url: http://arxiv.org/abs/2401.08301v1
• Date: Tue, 16 Jan 2024 11:54:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 14:12:40.598444
• Title: Sum Throughput Maximization in Multi-BD Symbiotic Radio NOMA Network Assisted by Active-STAR-RIS
• Title（参考訳）: 能動STAR-RISを用いたマルチBD共生ラジオNOMAネットワークのスループット最大化
• Authors: Rahman Saadat Yeganeh, Mohammad Javad Omidi, Farshad Zeinali, Mohammad Robatmili, Mohammad Ghavami
• Abstract要約: 我々は,コメンサル共生無線(CSR)ネットワーク内での通信の確立と向上を支援するために,ASRIS (Reconfigurable Intelligence Surface) を同時に送信・反射する。 従来のRISとは異なり、ASRISは全方向のカバレッジを保証するだけでなく、受信した信号も増幅する。
• 参考スコア（独自算出の注目度）: 2.5049072387358247
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we employ active simultaneously transmitting and reflecting reconfigurable intelligent surface (ASRIS) to aid in establishing and enhancing communication within a commensal symbiotic radio (CSR) network. Unlike traditional RIS, ASRIS not only ensures coverage in an omni directional manner but also amplifies received signals, consequently elevating overall network performance. in the first phase, base station (BS) with active massive MIMO antennas, send ambient signal to SBDs. In the first phase, the BS transmits ambient signals to the symbiotic backscatter devices (SBDs), and after harvesting the energy and modulating their information onto the signal carrier, the SBDs send Backscatter signals back to the BS. In this scheme, we employ the Backscatter Relay system to facilitate the transmission of information from the SBDs to the symbiotic User Equipments (SUEs) with the assistance of the BS. In the second phase, the BS transmits information signals to the SUEs after eliminating interference using the Successive Interference Cancellation (SIC) method. ASRIS is employed to establish communication among SUEs lacking a line of sight (LoS) and to amplify power signals for SUEs with a LoS connection to the BS. It is worth noting that we use NOMA for multiple access in all network. The main goal of this paper is to maximize the sum throughput between all users. To achieve this, we formulate an optimization problem with variables including active beamforming coefficients at the BS and ASRIS, as well as the phase adjustments of ASRIS and scheduling parameters between the first and second phases. To model this optimization problem, we employ three deep reinforcement learning (DRL) methods, namely PPO, TD3, and A3C. Finally, the mentioned methods are simulated and compared with each other.
• Abstract（参考訳）: 本稿では,コメンサル共生無線(CSR)ネットワーク内での通信の確立と強化を支援するために,ASRIS (Reconfigurable Intelligence Surface) を同時に送信・反射する。 従来のRISとは異なり、ASRISは全方向のカバレッジを保証するだけでなく、受信した信号も増幅する。 第1フェーズでは、アクティブなMIMOアンテナを備えた基地局(BS)が周囲信号をSBDに送信する。 第1フェーズでは、BSは共生後方散乱装置(SBD)に環境信号を送信し、エネルギーを回収して信号キャリアに情報を変調した後、SBDはBackscatter信号をBSに送信する。 本方式では,bsの支援により,sbdから共生ユーザ機器(sues)への情報伝達を容易にするために,バックスキャッタリレーシステムを採用している。 第2フェーズでは、連続干渉キャンセル(sic)法を用いた干渉を除去した後、bsはsesに情報信号を送信する。 ASRISは、視線(LoS)を欠いたSUE間の通信を確立し、BSへのLoS接続でSUEの電力信号を増幅するために使用される。 すべてのネットワークで複数のアクセスにNOMAを使用している点に注意が必要だ。 本論文の主な目的は,全ユーザ間のスループットの最大化である。 これを実現するために、BSおよびASRISにおけるアクティブビームフォーミング係数を含む変数と、ASRISの位相調整と第1相と第2相のスケジューリングパラメータを含む変数の最適化問題を定式化する。 この最適化問題をモデル化するために,PPO,TD3,A3Cという3つの深部強化学習法を用いる。 最後に、上記の手法をシミュレートし、比較する。

関連論文リスト

• Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
  我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。 この問題に対処する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:43:36Z)
• STAR-RIS-Assisted-Full-Duplex Jamming Design for Secure Wireless Communications System [38.44290756174189]
  本稿では,重要で機密性の高いデバイスを盗聴者から保護するためのセキュアな通信方式を提案する。 ESRISのFDビームシフト係数をモード選択として最大化し,MSRISの共振器振幅と位相シフト係数を求める。
  論文  参考訳（メタデータ） (2023-09-08T19:36:02Z)
• Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
  チャネル情報を知らなくても干渉を効果的に軽減できることを示す。 干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
  論文  参考訳（メタデータ） (2023-05-11T18:06:46Z)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• Time-Varying Channel Prediction for RIS-Assisted MU-MISO Networks via Deep Learning [15.444805225936992]
  再構成可能なインテリジェントサーフェス(RIS)は、無線通信の信号伝送品質を改善するための有望な技術となっている。 しかし、RISアシストシステムでは、正確で低レイテンシで低パイロットオーバヘッドチャネル状態情報(CSI)の取得が大きな課題となっている。 CSIを必要とする3段階のジョイントチャネル分解および予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-09T07:26:51Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• Multi-hop RIS-Empowered Terahertz Communications: A DRL-based Hybrid Beamforming Design [39.21220050099642]
  テラヘルツ帯における無線通信 (0.1-10thz) は、将来の第6世代 (6g) 無線通信システムの鍵となる技術の一つとして考えられている。 マルチホップRIS対応通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案し,THz帯域でのカバレッジ範囲を改善する。
  論文  参考訳（メタデータ） (2021-01-22T14:56:28Z)
• Multi-IRS-assisted Multi-Cell Uplink MIMO Communications under Imperfect CSI: A Deep Reinforcement Learning Approach [27.93504884774207]
  アップリンクにおけるマルチIRS支援マルチセルネットワークのための新しい手法を開発した。 我々は、IRSビームリフレクター、BSコンバインダ、UE送信パワーを共同最適化することを目的とした和率問題を定式化する。 その結果,本手法はベースライン手法と比較して,平均データレートが大幅に向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-11-02T17:33:23Z)
• Deep Learning Optimized Sparse Antenna Activation for Reconfigurable Intelligent Surface Assisted Communication [54.72880662623178]
  再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。 カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。 本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
  論文  参考訳（メタデータ） (2020-09-03T12:27:22Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。