Prior studies on intelligent reflecting surface (IRS) have mostly considered wireless communication systems aided by a single passive IRS, which, however, has limited control over wireless propagation environment and suffers from product-distance path-loss. To address these issues, we propose in this paper a new hybrid active/passive IRS aided wireless communication system, where an active IRS and multiple passive IRSs are deployed to assist the communication between a base station (BS) and a remote user in complex environment, by establishing a multihop reflection path across active/passive IRSs. In particular, the active IRS enables signal reflection with power amplification, thus effectively compensating the severe path-loss in the multi-reflection path. To maximize the achievable rate at the user, we first design the optimal beamforming of the BS and selected (active/passive) IRSs for a given multi-reflection path, and then propose an efficient algorithm to obtain the optimal multi-reflection path by using the path decomposition method and graph theory. We show that the active IRS should be selected to establish the beam routing path when its amplification power and/or number of active reflecting elements are sufficiently large. Last, numerical results demonstrate the effectiveness of the proposed hybrid active/passive IRS beam routing design as compared to the benchmark scheme with passive IRSs only.


翻译:有关智能反射表面(IRS)的先前研究大多考虑到由单一被动IRS辅助的单一被动IRS辅助的无线通信系统,然而,这种系统对无线传播环境的控制有限,并且受到产品-距离路径损失的影响。为了解决这些问题,我们在本文件中提议建立一个新的混合主动/被动IRS辅助无线通信系统,在该系统中,部署一个活跃的IRS和多个被动IRS,以协助基地站与复杂环境中的远程用户之间的通信,方法是在主动/被动IRS之间建立一个多窗口反射路径。特别是,活跃的IRS使信号反射能放大,从而有效地补偿多反射路径道路上的严重路径损失。为了最大限度地提高用户的可实现速度,我们首先设计一个最佳的BS和选定的(主动/被动)IRS系统,以便使用路径解映方法和图形理论,从而获得最佳的多反射路径路径反射路径路径。我们显示,主动的IRSI应该选择的I,以便将主动的路径图象性设计结果与反射/反射器的大规模对比。 当使用路径模型显示时,RS的反射线/反射/反射线图的反射器将反射线图数作为反射线图的反射线图的反射成。

0
下载
关闭预览

相关内容

专知会员服务
60+阅读 · 2020年3月19日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年10月5日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员