Sep, 2020

基于深度强化学习的 RIS 增强的多跳太赫兹通信的混合波束成形方法

PDF
TL;DR本文介绍了一种基于可重新配置智能表面的混合波束成形方案，以利用深度强化学习来解决信号传输距离和覆盖范围在太赫兹频段内的限制，该方案能够比基准方案扩大 50％以上的太赫兹通信覆盖范围，并显示出我们提出的 DRL 方法是解决 NP 难波束成形问题的最先进方法之一，特别是当 RIS 增强太赫兹通信网络中的信号经历多个跳跃时。
发现论文，激发创造
  • 多跳 RIS 强化太赫兹通信：基于 DRL 的混合波束成形设计

    本文提出了一种基于可重构智能表面的多跳信道下的 THz 通信网络混合波束赋形方案，使用近期的强化学习技术，通过协同设计基站和可重构智能表面的数字波束和模拟波束矩阵，提高了 THz 通信的覆盖范围，并证明了该方案优于传统的基于多跳的波束赋形方案。

    Jan, 2021

  • 多跳太赫兹通信中优化波束搜索的强化学习

    本文提出了一种新的分层波束训练方案，采用动态训练层数的方式来优化多跳太赫兹链路的性能，该方案在存在未知通道状态信息、噪声和路径损耗的情况下，通过基于多臂赌博机 (MAB) 的强化学习解决方案进行求解，模拟结果表明，相较于传统的层次式波束训练方案，该方案可以获得高达 75% 的谱效率表现提升。

    Feb, 2021

  • 可重构智能面辅助的 THz 通信性能和优化

    本文研究利用可重构智能表面技术提高太赫兹通信性能，提出基于蜂群智能的方法进行 RIS 元素相位移优化，并推导了端对端信噪加失真比和信噪比的精确统计特性，给出了断层概率和遍历电容的解析表达式，进一步证明 RIS 元素数量的增加可以显著提高太赫兹通信系统的性能。

    Dec, 2020

  • 有限 CSI 下基于联合深度强化学习的太赫兹波束搜索

    本文介绍了使用联邦深度强化学习方法，在部分有限的信道状态信息下，协调无线网络中的基站以快速搜索 THz 波束赋形策略，并在一定程度上缓解干扰的方法，该方法在已有的较传统的优化方法上表现更好。

    Apr, 2023

  • 强化学习用于减轻太赫兹通信网络中的间歇性干扰

    本文提出了一种基于强化学习的新框架，使用自适应的多阈值策略来高效地检测和减轻时间域中方向链接的间歇性干扰的问题。

    Mar, 2020

  • 基于深度强化学习的太赫兹网状回程网络的跨层设计

    本文介绍一种基于深度强化学习的 Terahertz 网络设计，包括交叉层路由和资源分配，以提高能源利用效率和资源分配的整体可靠性，并通过无数据丢失和毫秒级延迟实现长期资源高效的回复。

    Oct, 2023

  • 全息可重构智能表面下的太赫兹海量 MIMO 技术

    本文提出了一种全息可重构智能表面，并研究其在太赫兹大规模多输入多输出系统中的应用，同时引出了全息可重构智能表面的光束模式，包括封闭环路信道估计方案以及基于压缩感知的信道估计算法。

    Sep, 2020

  • 基于可重构智能表面的多用户通信的混合波束赋形：在有限离散相移下的可达速率

    本文提出了一种基于可重构智能表面（RIS）的混合波束成形方案，通过反射来实现基站向用户的传输，同时考虑到有限阶离散相移的实际情况，该系统表现出良好的总速率表现。

    Oct, 2019

  • 利用深度强化学习优化多用户 MISO 系统的可重构智能面

    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。

    Feb, 2020

  • 毫米波和太赫兹频段距离问题的解决方案

    本文针对毫米波和太赫兹频段（30-300 GHz 与 0.1-10 THz）中高扩散损耗和分子吸收常常限制信号传输距离和覆盖范围的问题进行了研究，提出了物理层距离感知设计、超大规模 MIMO 通信、反射阵列以及智能面技术等四种方法，并提出了这些技术的潜在联合设计，可以结合技术优点增加通信距离，在本文中进行了定性分析和定量模拟，证明了上述技术的可行性。

    Feb, 2019