افزایش نرخ کاربران noma در سیستم مخابراتی قطار هوشمند با استفاده مشترک از ris و ios: تخمین کانال آبشاری و طراحی ضرایب فاز در حضور نویز ضربه‌ای

در این مقاله یک چارچوب نوین به منظور بهبود عملکرد سامانه‌های مخابراتی مبتنی بر دسترسی چندگانه غیرمتعامد در حوزه توان (pd-noma) در قطارهای هوشمند ارائه شده است. این چارچوب بر استفاده همزمان از سطح هوشمند قابل تنظیم مجدد (ris) و سطح همه‌جهته هوشمند (ios) به منظور افزایش نرخ داده کاربران تمرکز دارد. با توجه به وجود نویز تکانشی ناشی از منابع الکترومغناطیسی داخلی و خارجی در محیط قطار و حساسیت سامانه‌های pd-noma به این‌گونه اختلالات، تخمین دقیق کانال آبشاری شامل مسیرهای مستقیم و بازتابی میان فرستنده، ris/ios و کاربران از اهمیت حیاتی برخوردار است. برای رفع این چالش، الگوریتم گرادیان تصادفی افزایشی مبتنی بر کرنتروپی (csga) توسعه یافته است که امکان تخمین مقاوم کانال را فراهم می‌کند. سپس یک راهبرد طراحی مشترک فاز برای ris و ios پیشنهاد شده است تا نرخ مجموع کاربران pd-noma بیشینه شود. نتایج شبیه‌سازی نشان می‌دهد که الگوریتم csga نسبت به الگوریتم گرادیان تصادفی کاهشی (sgd) دقت تخمین کانال به‌مراتب بالاتری ارائه می‌دهد و در نتیجه موجب بهبود قابل‌توجه نرخ مجموع سامانه می‌شود. چارچوب پیشنهادی با به‌کارگیری بهینه‌سازی مشترک فاز ris و ios، در برابر نویز تکانشی مقاوم بوده و عملکرد بهتری نسبت به معماری‌های متداول نشان می‌دهد.

enhancing noma user rates in smart train communication systems via joint ris-ios deployment: cascaded channel estimation and phase shift design under impulsive noise

in this paper, a novel framework is proposed to enhance the performance of power-domain non-orthogonal multiple access (pd-noma)-based communication systems in smart trains. the framework leverages the simultaneous deployment of reconfigurable intelligent surface (ris) and intelligent omni surfaces (ios) to improve users’ data rates. due to the presence of impulsive noise arising from both internal and external electromagnetic sources within the train environment—and considering the high sensitivity of pd-noma systems to such disturbances—accurate estimation of the cascaded channel comprising both direct and reflected paths among the transmitter, ris/ios, and users is of critical importance. to address this, a correntropy-based stochastic gradient ascent (csga) algorithm is developed to provide robust channel estimation. subsequently, a joint phase design strategy for the ris and ios is proposed, aiming to maximize the sum rate of pd-noma users. simulation results demonstrate that the csga algorithm yields significantly higher channel estimation accuracy compared to the conventional stochastic gradient descent (sgd) approach, resulting in a considerable improvement in the overall system sum rate. the proposed framework, by employing joint phase optimization of ris and ios, exhibits strong resilience to impulsive noise and outperforms conventional architectures.