Reconfigurable intelligent surfaces (RISs) have drawn much attention recently for their appealing advantages in shaping wireless channels to improve the spectral and energy efficiencies of wireless communications. However, conventional fully-passive RISs generally suffer from the so-called ``multiplicative fading'' effect which thereby limits RISs' practicability and manufacturability. In this paper, a novel architecture of ``Reconfigurable Distributed Antennas and Reflecting Surfaces (RDARS)'' is first proposed to overcome this limitation from the ``multiplicative fading'' effect. Specifically, unlike existing active RIS variants, RDARS inherits the low-cost and low-energy-consumption benefits of fully-passive RISs by default configuring all the elements as passive to perform the reflection mode. On the other hand, based on the design of the additional direct-through state, any element of the RDARS can be dynamically programmed to connect with the base station (BS) via fibers and perform the connected mode as remote distributed antennas of the BS to receive signals. Consequently, a controllable trade-off between the reflection gain and the distribution gain can be achieved via RDARS at the BS. To unveil the system behavior of the RDARS-aided system, we analyze the received signal-to-noise ratio (SNR) under maximum ratio combining (MRC) at BS. Closed-form outage probability and ergodic achievable rate are also provided and are verified through extensive simulations. To demonstrate the superiority of the proposed RDARS, experiments are carried out using a prototype of RDARS with a total number of 256 elements which revealed extra 76% throughput improvement could be achieved by deploying RDARS with only three elements performing connected mode. This thus confirms the effectiveness of the proposed RDARS and envisions it as a promising candidate for future 6G wireless systems.


翻译:重新配置的智能表面(RIS)最近引起人们的极大注意,因为它们在塑造无线频道以提高无线通信的光谱和能源效率方面具有吸引人的优势。然而,常规的完全被动的RIS通常会受到所谓的“倍增反射”效应的影响,从而限制RIS的实用性和可制造性。在本文中,“可重新配置分布的天线和反射表面(RDARS)”的新结构首先被提议从“倍增式淡化”效应中克服这一局限性。具体地说,与现有的主动的RIS变异体不同,RDARS继承了完全被动的“倍增反射”反射率的低成本和低能量增耗效应,默认将所有元素配置为被动的反射模式。另一方面,根据额外直接传输状态的设计,RDARS的任何拟议元素只能通过纤维来动态地编程与基地站连接,并作为远程分布的RRISS值天线,RDARS的直径流流流率比,我们通过RDARS的直流流流流流流流流化系统进行未来控制。</s>

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009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 · 2023年4月28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
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009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