The objective of this paper is to develop simple techniques to bound the optimal uplink sum-rate of multi-user RIS-aided wireless systems. Specifically, we develop a novel technique called \textit{channel separation} which provides a new understanding as to how the RIS phases affect the sum-rate. Leveraging channel separation, we derive upper and lower bounds on the optimal sum-rate. In addition, we propose a low-complexity alternating optimization algorithm to obtain near-optimal sum-rate results. Numerical results demonstrate the tightness of the bounds and show that the alternating optimization approach delivers sum-rate values similar to the results of a full numerical optimization procedure. Furthermore, in practical scenarios where hardware limitations cause the RIS phases to be quantized, our lower bound can still be applied and shows that the sum-rate is robust to quantization, even with low resolution.


翻译:本文的目的是开发简单技术,将多用户的RIS辅助无线系统的最佳上行链路总和绑定起来。 具体而言,我们开发了一种叫作\ textit{channe separate} 的新型技术,该技术为RIS 阶段如何影响总和提供了新的理解。 利用频道分离,我们在最佳总和上得出上下限。 此外,我们提出了低复杂度交替优化算法,以获得接近最佳总和率的结果。 数字结果显示界限的紧凑性,并表明交替优化方法提供了与完全数字优化程序结果类似的总和率值。 此外,在硬件限制导致RIS 阶段四分化的实际情况下,我们的下限仍然可以应用,并表明总和率对于量化是强大的,即使分辨率低。

0
下载
关闭预览

相关内容

【IJCAI2020】TransOMCS: 从语言图谱到常识图谱
专知会员服务
34+阅读 · 2020年5月4日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
已删除
将门创投
4+阅读 · 2018年6月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
已删除
将门创投
4+阅读 · 2018年6月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员