Reconfigurable intelligent surface (RIS) has gained much traction due to its potential to manipulate the propagation environment via nearly-passive reconfigurable elements. In our previous work, we have analyzed and proposed a beyond diagonal RIS (BD-RIS) model, which is not limited to traditional diagonal phase shift matrices, to unify different RIS modes/architectures. In this paper, we create a new branch of BD-RIS supporting a multi-sector mode. A multi-sector BD-RIS is modeled as multiple antennas connected to a multi-port group-connected reconfigurable impedance network. More specifically, antennas are divided into $L$ ($L \ge 2$) sectors and arranged as a polygon prism with each sector covering $1/L$ space. Different from the recently introduced concept of intelligent omni-surface (or simultaneously transmitting and reflecting RIS), the multi-sector BD-RIS not only achieves a full-space coverage, but also has significant performance gains thanks to the highly directional beam of each sector.We derive the constraint of the multi-sector BD-RIS and the corresponding channel model taking into account the relationship between antenna beamwidth and gain. With the proposed model, we first derive the scaling law of the received signal power for a multi-sector BD-RIS-assisted single-user system. We then propose efficient beamforming design algorithms to maximize the sum-rate of the multi-sector BD-RIS-assisted multiuser system. Simulation results verify the effectiveness of the proposed design and demonstrate the performance enhancement of the proposed multi-sector BD-RIS.


翻译:可重构智能面(RIS)因其通过几乎被动的可重构元素操纵传播环境的潜力而受到广泛关注。在我们之前的工作中,我们分析并提出了超越对角可重构智能面(BD-RIS)模型,该模型不局限于传统的对角相移矩阵,用于统一不同的RIS模式/架构。在本文中,我们创建了一种新的BD-RIS支持多扇区模式。多扇区BD-RIS被建模为连接到多端口组连接的可重构阻抗网络的多个天线。具体来说,天线被分成L(L ≥ 2)个扇区,并被排列为一个多边形棱柱体,每个扇区覆盖1 / L的空间。不同于最近引入的智能全反射面(或同时发射和反射RIS)的概念,多扇区BD-RIS不仅实现了全空间覆盖,而且由于每个扇区的高方向性波束而具有显着的性能提升。我们推导出多扇区BD-RIS的约束和相应的信道模型,并考虑天线波束宽度和增益之间的关系。利用所提出的模型,我们首先推导出多扇区BD-RIS辅助单用户系统的接收信号功率的缩放定律。然后,我们提出了有效的波束成形设计算法,以最大化多扇区BD-RIS辅助的多用户系统的总速率。仿真结果验证了所提出的设计的有效性,并证明了所提出的多扇区BD-RIS的性能提升。

0
下载
关闭预览

相关内容

[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
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
国家自然科学基金
0+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 · 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 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
VIP会员
相关VIP内容
[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
相关基金
国家自然科学基金
0+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 · 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 · 2010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