MMSep, 2020

智能反射面的反射和波束成形学习，带隐式信道估计

PDF
TL;DR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。
intelligent reflecting surfacecellular networkmachine learningneural networkchannel estimation
发现论文，激发创造
  • 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

  • 智能反射面辅助 MIMO 系统的通道估计：张量建模方法

    本文针对基于智能反射面（Intelligent reflecting surface，IRS）的多输入多输出（MIMO）通信系统，提出了两种基于并行因式分解（PARAFAC）张量建模的 IRS 辅助信道估计方法，分别采用基于 Khatri-Rao 分解和交替最小二乘方法，测试结果显示相比 LS 估计基准方案，提出的方法在通信质量和性能均有明显提升。

    Aug, 2020

  • 智能反射面增强无线网络：主动和被动波束成形设计

    本文研究了一种智能反射面在无线通信领域中的应用，旨在通过优化无源反射元件相位移位来协同实现波束成形并提高终端用户的信号接收功率，并提出了基于半定松弛技术和分布式算法的中心式和分布式实现方案。仿真结果表明所提算法能够显著提高系统性能，并且智能反射面可大幅度提高与传统方案的链路质量和 / 或覆盖率。

    Sep, 2018

  • 智能反射面增强 OFDM：信道估计和反射优化

    本文提出了一种实用的传输协议，用于智能反射面增强的正交频分复用系统，执行信道估计和反射优化，以实现 IRS 的被动波束成形增益。

    Sep, 2019

  • 智能反射面增强的无线网络加权和速率优化

    本文中考虑了使用智能反射面技术的多用户多输入单输出（MISO）下行通信系统，以最大化所有用户的加权和速率，并且提出了三种具有封闭形式表达式的高效算法来优化反射面的无源波束成形。

    May, 2019

  • 智能反射面：实用相移模型和波束成形优化

    提出了一种实用的相位移位模型，结合联合优化技术来设计 IRS 辅助下的 Beamforming 以最大化可达到的速率，相比传统的理想模型，该模型能够在未来无线通信系统中提高频谱和能量效率。

    Jul, 2019

  • 离散相移智能反射面辅助无线网络波束成形优化

    本文研究了在智能反射面（IRS）辅助下的无线网络中，同时对接入点的持续发射预编码和 IRS 上的离散反射相移进行联合优化，以实现最小化发送功率。除此之外，还提出了单用户情况下的最优算法。模拟结果验证了该方案的有效性。

    Jun, 2019

  • 基于 PARAFAC 的智能反射面辅助 MIMO 系统信道估计

    本文提出了两种新的信道估计方法，利用平行因子分解张量模型，闭合形式或迭代估计涉及通讯通道，证实了智能反射表面 (IRS) 辅助通信的有效性。

    Jan, 2020

  • 基于深度强化学习的智能反射表面用于安全无线通信

    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。

    Feb, 2020

  • 智能反射表面辅助太赫兹通信的信道估计和传输

    本文研究了大规模 MIMO 智能反射面辅助太赫兹系统的信道估计和传输方案，并提出了一种协作信道估计流程和一种新的分层搜索码本设计作为低复杂度的波束培训基础。最后，通过利用获得的信道信息，以闭式形式直接提供了 IRS 和收发器的设计，没必要重构完整的信道矩阵或进行额外的优化。通过仿真和数值结果，我们展示了波束培训所需最小信噪比（SNR）和所提出的传输方案的有效性。

    Nov, 2019