Feb, 2020

利用深度强化学习优化多用户 MISO 系统的可重构智能面

PDF
TL;DR本文研究了利用可重构智能表面 (RIS) 反射阵列所协助的 MIMO 传输，通过深度强化学习 (DRL) 基于试错交互获得基站传输波束和 RIS 相位移位的联合设计。仿真结果表明，该算法学习能力逐渐提高，与两个最新的基准算法相比表现相当。
reconfigurable intelligent surface6g wireless communication systemsdeep reinforcement learningtransmit beamforming matrixphase shift matrix
发现论文，激发创造
  • 基于位置感知模仿环境的深度强化学习在 RIS 辅助下的毫米波 MIMO 系统中的应用

    本文提出了一种基于位置感知仿真环境的深度强化学习算法，用于协同波束形成设计的可重构智能表面 (mmWave) 多输入多输出系统中，仿真结果表明所提出的算法具有更为鲁棒的性能。

    May, 2022

  • 用于 B5G 网络的元表面 AI 辅助 RIS 规划的实用性解锁

    该论文介绍了可重构智能表面（RIS）的应用，重点在于解决无覆盖区域的问题，并提出了一种基于深度强化学习的解决方案，名为 D-RISA，通过该方案能够实现最优的 RIS 部署。在法国雷恩火车站的室内场景中验证了该框架，与现有方法相比，该框架展示了更好的覆盖，即最小信噪比提高 10 dB，计算时间更短（高达 25％），并提高了对更密集网络部署的可扩展性。

    Oct, 2023

  • 基于深度强化学习的硬件受损和不完美 CSI 情况下，RIS 辅助 MU-MISO 系统中的联合下行波束赋形和 RIS 配置

    本文介绍了一种基于深度强化学习（DRL）的新方法，通过联合优化 MIMO 系统中的发送波束和可重构智能表面（RIS）的相位移位，最大化相位依赖性反射幅度模型下的总下行速率。

    Oct, 2022

  • 可重构智能平面下的 MIMO 传输：系统设计、分析和实现

    本文提出了一种可重构智能表面 (RIS) 架构，以实现幅度和相位变化调制，从而方便多输入多输出（MIMO）正交振幅调制（QAM）传输。

    Dec, 2019

  • 毫米波 RIS 辅助联合定位和通信的自适应波束成形设计

    本文提出一种自适应相移器设计方案，采用 RIS 辅助毫米波 MIMO 系统进行准确定位和高速数据传输，使用基于分层码本和来自移动站的反馈的算法对离散 RIS 单元的相位值进行优化，其性能优于随机设计方案，且在低信噪比情况下性能收敛于穷尽搜索方案。

    Nov, 2019

  • 可重构智能表面辅助的 6G 网络中机器学习优化概述：从强化学习到大规模语言模型

    通过使用机器学习和增强学习等技术，本文讨论了如何优化并提高支持可重构智能表面的 6G 网络性能，并探讨了大语言模型与强化学习相结合的新机遇。

    May, 2024

  • 基于公平性驱动的 DRL 算法在 RIS 增强的 5G 网络中实现无缝三维无人机连接性优化

    本文研究了可重构智能表面（RIS）辅助的大规模多输入多输出系统在三维中为扩展无线蜂窝覆盖的问题，其中多个 RIS 分别装备有一组被动元件，部署以同时服务多个无人机（UAV）的基站（BS）在 5G 无线通信的时频资源中。通过联合优化 BS 的发送波束形成参数和 RIS 的相移参数来最大化 UAV 的最小信干噪比（SINR），并确保 UAV 之间的公平性。我们提出了两种新颖的算法来解决这个问题，并利用深度确定性策略梯度作为最优化方法来求解 BS 的波束形成矩阵和 RIS 的相移参数。通过模拟结果证明了我们提出的解决方案的有效性，并得出了一些有见地的观察结果。

    Nov, 2023

  • 面向无线通信能效的可重构智能表面

    研究了采用可重构智能表面 (RIS) 用于来自多天线基站的下行多用户通信。我们针对移动用户的个体链路预算保证，开发了能源有效的传输功率分配和表面反射元素的相位移位的设计。我们提出了两种算法来解决这些非凸设计优化问题。此外，我们提出了一种逼真的基于 RIS 的系统功耗模型，并在现实的户外环境中分析了所提出方法的性能。

    Oct, 2018

  • 无线网络中多重可重构智能表面的相位配置学习

    本文研究了一种低复杂度的反射智能表面的相位配置算法，利用监督学习的方法构建多层感知神经网络来快速计算反射表面的相位，并通过模拟实验验证了该算法对网络性能提升的有效性。

    Oct, 2020

  • 可重构智能表面增强车联网通信：联合用户调度和被动波束成形

    本文提出了一种通过利用可重构智能表面技术与车联网集成来增强车辆通信的方法，旨在解决车联网中出现的连接性问题。该方法采用离散型可重构智能表面作为中继，在交通中断区域提供无线传输。深度强化学习与块坐标下降算法用于解决资源调度和相位位移矩阵的问题，并实验验证了该方法的优越性。

    Jan, 2021