Simultaneous transmitting and reflecting intelligent omini-surfaces (STAR-IOSs) are able to achieve full coverage "smart radio environments". By splitting the energy or altering the active number of STAR-IOS elements, STAR-IOSs provide high flexibility of successive interference cancellation (SIC) orders for non-orthogonal multiple access (NOMA) systems. Based on the aforementioned advantages, this paper investigates a STAR-IOS-aided downlink NOMA network with randomly deployed users. We first propose three tractable channel models for different application scenarios, namely the central limit model, the curve fitting model, and the M-fold convolution model. More specifically, the central limit model fits the scenarios with large-size STAR-IOSs while the curve fitting model is extended to evaluate multi-cell networks. However, these two models cannot obtain accurate diversity orders. Hence, we figure out the M-fold convolution model to derive accurate diversity orders. We consider three protocols for STAR-IOSs, namely, the energy splitting (ES) protocol, the time switching (TS) protocol, and the mode switching (MS) protocol. Based on the ES protocol, we derive analytical outage probability expressions for the paired NOMA users by the central limit model and the curve fitting model. Based on three STAR-IOS protocols, we derive the diversity gains of NOMA users by the M-fold convolution model. The analytical results reveal that the diversity gain of NOMA users is equal to the active number of STAR-IOS elements. Numerical results indicate that 1) in high signal-to-noise ratio regions, the central limit model performs as an upper bound, while a lower bound is obtained by the curve fitting model; 2) the TS protocol has the best performance but requesting more time blocks than other protocols; 3) the ES protocol outperforms the MS protocol as the ES protocol has higher diversity gains.


翻译:同步传输和反映智能微粒表面(STAR- IOSs) 能够实现完全覆盖“智能无线电环境 ” 。 通过分解能量或改变STAR- IOS 元素的活跃数量, Star- IOS 能够为非横向多重访问系统提供高度灵活的连续干扰取消(SIC) 命令。 根据上述优势,本文调查Star- IOS 辅助的将OMA 网络与随机部署的用户进行下传的网络。 我们首先为不同的应用方案提出了三种可移植的频道模式, 即中央限模型、 曲线安装模型和M- 信号组合组合模型。 更具体地说, 中央限值模型符合大型STAR- IOS 元素的情景, 而曲线安装模型用于评估多细胞网络。 但是, 这两套模型无法获得准确的多样性协议。 因此, 我们用Mx 变动模型模型来获取准确的多样化命令。 我们考虑Star- IOS 的三项协议, 即能源分裂(ES) 协议, 时间转换模型(TSTS) 配置模型, 和M- 调调调调调的用户 运行的运行的运行的运行系统运行的系统运行的运行的系统, 运行的系统运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行的运行中 。

0
下载
关闭预览

相关内容

人工智能的理论及实践 知识图谱,160页pdf
专知会员服务
101+阅读 · 2021年6月30日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
专知会员服务
50+阅读 · 2020年12月14日
【2020新书】C++20 特性 第二版,A Problem-Solution Approach
专知会员服务
58+阅读 · 2020年4月26日
专知会员服务
60+阅读 · 2020年3月19日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
7+阅读 · 2018年12月12日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年9月5日
VIP会员
相关VIP内容
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
7+阅读 · 2018年12月12日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员