MMOct, 2022

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

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 智能反射器下的毫米波通信：性能优化与分布式强化学习

    本文提出了一种基于可重构智能反射器（IR）辅助下行毫米波基站多用户通信的新型框架，并通过一种新的通道估计方法来实时测量通道状态信息（CSI），进而采用 Q-learning 算法的分布增强学习，结合量化回归和全分布下行速率优化，通过模拟测试表明，与固定的 IR 反射或直接传输方案相比，该方法可以使下行密集多用户界面的速率大幅度提高。

    Feb, 2020

  • 一种基于 DRL 的用于 RIS 辅助多接收机通信的反射增强方法

    本研究通过引入一种新颖的深度强化学习（DRL）优化方法，针对双反射场景中重叠剖面不一致导致的远场性能退化问题展开研究。与随机和穷举搜索方法进行对比实验，结果表明我们提出的 DRL 方法不仅在优化时间上表现出色，而且获得了 1.2 dB 的反射峰值增益和更宽的波束，而无需进行任何硬件修改。

    Sep, 2023

  • 被动波束成形的无监督学习

    本文提出一种基于深度学习技术的反射式无源波束成形方案，以提升无线通信系统的能量和频谱效率，并通过仿真证明其在维持性能的同时相较于半正定松弛方法大大减少了计算复杂度。

    Jan, 2020

  • MISO 下行系统的鲁棒波束成形学习

    本研究提出了一种基于深度神经网络的训练算法，能够在多用户系统中，仅基于部分自适应通道状态信息的不完全观测，提供有效鲁棒的波束成形方案。

    Mar, 2021

  • 可重构智能表面辅助下的太赫兹大规模 MIMO 基于分层传输的深度学习多址

    本文提出了一种基于深度学习技术的速率分裂多址接入方案以及在 RIS-assisted 的太赫兹多用户 MIMO 系统中的 CSI 获取方法。

    Sep, 2022

  • 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

  • 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