Intelligent reflecting surfaces (IRSs) were introduced in the literature in order to enhance the performance of the wireless systems. However, from a cellular service provider's point of view, a concern with the use of an IRS is its effect on out-of-band (OOB) quality of service. Specifically, if there are two operators, say X and Y, providing services in a given geographical area using non-overlapping frequency bands, and if operator X uses an IRS to optimally enhance the throughput of it's users, does the IRS degrade the performance of operator Y? We study this scenario by analyzing the ergodic sum-rates achieved by both the operators under round-robin scheduling. We also derive the complementary cumulative distribution function of the change in the effective channel gain at an OOB user with and without the IRS, which provides deeper insights into the effect of the IRS on the overall channel quality. Surprisingly, we find that even though the IRS is randomly configured from operator Y's point of view, the OOB operator still benefits from the presence of the IRS, witnessing a performance enhancement for free. This happens because the IRS introduces additional paths between the transmitter and receiver, increasing the overall signal power arriving at the receiver and providing diversity benefits. We verify our findings via numerical simulations, and conclude that an IRS is always beneficial to every operator, even when the IRS is deployed to optimally serve only one operator in the system.


翻译:文献中引入了智能反射表面(IRS),目的是提高无线系统的性能。然而,从蜂窝服务提供商的角度来看,对使用IRS的担忧是其对带外(OOB)服务质量的影响。具体地说,如果有两个操作者,例如X和Y,使用非重叠频率波段在特定地理区域提供服务,并且如果操作者X使用IRS来最佳地提高用户的吞吐量,IRS是否降低操作者Y的性能?我们通过分析双轮机器人列表操作者所实现的ERgodic总和率来研究这一假设。我们还从有效频道获得的改变在OOB用户和不使用IRS的情况下产生的互补累积分布功能,后者更深入地了解IRS对整个频道质量的影响。令人惊讶的是,即使IRS只是从操作者Y的视角随机地配置,OOB操作者仍然受益于IRS系统的存在,同时通过IRS提供不断增强的信号,并且通过不断提高的接收者之间的整个接收器,从而可以免费实现对改进。</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
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18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
【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
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
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
1+阅读 · 2013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
1+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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
33+阅读 · 2022年2月15日
VIP会员
相关VIP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
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18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
【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
相关资讯
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
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
国家自然科学基金
1+阅读 · 2013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
1+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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员