MMFeb, 2020

基于深度强化学习的智能反射表面用于安全无线通信

PDF
TL;DR利用智能反射表面和深度强化学习技术优化基站波束和反射波束以提高系统保密率和服务质量，在不同质量服务需求和时变信道的情况下能显著提高在多个窃听器存在时的多个合法用户之间的安全通信系统的保密率和服务质量。
intelligent reflecting surfacephysical layer securitybeamformingdeep reinforcement learningsecure communication
发现论文，激发创造
  • 基于优化的深度强化学习在 IRS 辅助无线通信中的鲁棒波束成形

    该文章提出一种利用智能反射面技术的利用无线电波在多天线接入点和接收器间进行信息传输的无线通信方案，并运用深度强化学习来优化天线束成形策略，从而最小化天线接入点的传输功率。

    May, 2020

  • 智能反射面辅助 D2D 通信的深度强化学习

    本文提出了一个基于深度强化学习的方法，用于解决智能反射面支持下的设备对设备通信网络和的和速率优化问题。通过优化发射功率和相位转换矩阵，模拟结果表现优异。

    Aug, 2021

  • 智能反射表面实现安全无线通信

    本文提出使用智能反射表面（IRS）来增强无线通信系统的物理层安全，并针对一个多天线发射机与单天线接收器在窃听者存在的情况下考虑了辅助安全无线系统。为了最大化保密率，同时优化了发射机的波束形成器和 IRS 相位。本文提出的两个高效算法可以解决结果非凸优化问题，模拟结果表明，如果使用所提出的算法，则 IRS 可以显著提高物理层安全性。此外，我们还发现，部署大规模 IRS 要比扩大发射机天线阵列大小更有效，可以提高保密率并增强能量效率。

    Apr, 2019

  • 智能反射面实现的安全无线通信

    本研究探讨了一种智能反射表面辅助的安全无线通信系统，通过联合设计接入点的发射波束和 IRS 的反射波束，利用交替优化和半定松弛方法得到高质量的次优解，并通过模拟结果证明了该设计显著提高了秘密通信速率。

    May, 2019

  • 利用智能反射表面实现稳健安全的无线通信

    本文研究如何利用智能反射表面和人工噪声增强多天线 AP 和多个单天线合法用户之间的物理层安全，同时减少潜在窃听者之间的信息泄漏，提出了一种非凸优化算法，并通过模拟结果证明了智能反射表面对物理层安全性能的显著改进。

    Dec, 2019

  • 智能反射面的反射和波束成形学习，带隐式信道估计

    本文研究了利用智能反射面，采用机器学习方法直接优化小区网络中天线波束和反射系数的问题，提出基于神经网络的通道隐式估计方法，以实现对小区网络中用户总速率或最小速率的高效优化。

    Sep, 2020

  • 一种基于深度强化学习的方法，用于增强辅助反射面无线系统的频谱效率

    本文从提高下行多用户多输入单输出系统谱效率的角度研究了一种利用智能反射面技术增强网络的方法，并通过两种深度强化学习框架解决了主基站主动发射波束形成矩阵与智能反射面被动相移矩阵的非凸联合优化问题。仿真结果表明，后者方案中的神经网络在不同情况下表现更加令人满意。

    Jan, 2023

  • 多智能体强化学习的协同智能反射面网络

    本文提出了几种算法来最大化基站和用户之间通过能量采集协作 IRS 设备实现长期平均可实现系统速率，并考虑到时变信道和能量采集随机性，并改进了现有算法，以在减小行动空间的同时实现次优性能。模拟结果表明，所提出的算法可使数据传输速率提高 10.7％至 8.8％。

    Mar, 2022

  • 智能反射面辅助无线网络的优化驱动机器学习

    本文主要研究机器学习技术在智能反射表面（IRS）辅助的无线网络中，通过优化驱动的机器学习框架实现性能的最大化，结果表明该方法相比于传统的 “无模型” 学习方法，在收敛性和奖励性能方面都有着优势。

    Aug, 2020

  • 基于深度学习的智能反射表面相位重构

    本文提出了一种深度学习（DL）方法，使用接收到的导频信号通过智能反射表面反射来训练前馈神经网络，从而实现智能反射表面的相位重构，用于局部信号处理并提高无线通信性能。

    Sep, 2020