مقاله به حداکثر رساندن مجموع توان در شبکه NOMA رادیویی همزیستی Multi-BD با کمک Active-STAR-RIS

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Sum Throughput Maximization in Multi-BD Symbiotic Radio NOMA Network Assisted by Active-STAR-RIS
عنوان مقاله به فارسی مقاله حداکثر رساندن توان حداکثر در شبکه رادیویی همزیستی چند بادی با کمک ستاره فعال-ستاره
نویسندگان Rahman Saadat Yeganeh, Mohammad Javad Omidi, Farshad Zeinali, Mohammad Robatmili, Mohammad Ghavami
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 29
دسته بندی موضوعات Signal Processing,Machine Learning,Systems and Control,پردازش سیگنال , یادگیری ماشین , سیستم ها و کنترل ,
توضیحات Submitted 16 January, 2024; originally announced January 2024. , Comments: This article will be submitted to the Transactions journal
توضیحات به فارسی 16 ژانویه 2024 ارسال شد.در ابتدا ژانویه 2024 اعلام شد ، نظرات: این مقاله به مجله معاملات ارسال می شود

چکیده

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.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما به طور همزمان از انتقال و بازتاب سطح هوشمند قابل تنظیم (ASRIS) برای کمک به ایجاد و تقویت ارتباطات در یک شبکه رادیو همزیستی جمعی (CSR) استفاده می کنیم.بر خلاف RI های سنتی ، ASRI ها نه تنها پوشش را به صورت جهت دار OMNI تضمین می کنند بلکه سیگنال های دریافت شده را تقویت می کنند ، در نتیجه عملکرد کلی شبکه را بالا می برد.در مرحله اول ، ایستگاه پایه (BS) با آنتن های MIMO گسترده فعال ، سیگنال محیط را به SBD ارسال کنید.در مرحله اول ، BS سیگنال های محیط را به دستگاه های Backscatter همزیستی (SBD) منتقل می کند و پس از برداشت انرژی و تعدیل اطلاعات آنها بر روی حامل سیگنال ، SBD ها سیگنال های پشتی را به BS می فرستند.در این طرح ، ما از سیستم رله Backscatter برای تسهیل انتقال اطلاعات از SBDS به تجهیزات کاربر همزیستی (SUES) با کمک BS استفاده می کنیم.در مرحله دوم ، BS پس از از بین بردن تداخل با استفاده از روش لغو تداخل پی در پی (SIC) ، سیگنال های اطلاعات را به SUES منتقل می کند.ASRIS برای برقراری ارتباط بین شکایت های فاقد خط دید (LOS) و تقویت سیگنال های قدرت برای شکایت با اتصال LOS به BS استفاده می شود.شایان ذکر است که ما از NOMA برای دسترسی چندگانه در تمام شبکه استفاده می کنیم.هدف اصلی این مقاله به حداکثر رساندن توان جمع بین همه کاربران است.برای دستیابی به این هدف ، ما یک مشکل بهینه سازی را با متغیرهایی از جمله ضرایب پرتوهای فعال در BS و ASRI و همچنین تنظیم فاز ASRI و پارامترهای برنامه ریزی بین مراحل اول و دوم تنظیم می کنیم.برای مدل سازی این مشکل بهینه سازی ، ما از سه روش یادگیری عمیق (DRL) ، یعنی PPO ، TD3 و A3C استفاده می کنیم.سرانجام ، روشهای ذکر شده شبیه سازی و با یکدیگر مقایسه می شوند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.