Feb, 2023

基于数字孪生的可重构智能表面辅助、上行、以用户为中心的无线蜂窝系统管理学习

PDF
TL;DR提出了一种新的可重构智能表面（RIS）辅助、用户为中心的无线接入系统，通过数字孪生管理。该文档设计了一个新的学习框架，通过联合优化接入点和用户关联、功率控制和 RIS 波束成形来最大化总和速率，以提高 UCCF 系统的性能，此框架优于其他方法。
reconfigurable intelligent surfaceuser-centric cell-free systemdigital twinsum-rate optimizationparticle swarm optimization
发现论文，激发创造
  • 可重构智能表面辅助设备间通信

    本文研究了在利用可重构智能表面（RIS）协助下，单基站上行通信网络场景的问题，其中移动用户和设备对之间的直接通信和反射一跳传播被利用。利用交替最大化的方法，我们将问题分解为两个子问题，即功率分配和相位移位，从而实现了干扰的缓解。

    Jul, 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

  • 通过数字孪生实现增强式强化学习资源管理：机遇、应用和挑战

    提出了一种基于数字孪生增强的强化学习框架，旨在优化网络资源管理的性能和可靠性，此框架在物理网络中应用传统的强化学习面临多个统一挑战，包括有限的探索效率、收敛速度缓慢、长期性能较差以及在探索阶段的安全问题。

    Jun, 2024

  • 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 RIS 的城市空中交通分布式学习拓扑控制

    本文通过利用可重构智能表面（RIS）的拓扑属性来促进学习性能并获得收敛保证，探索了分布式学习的相关问题，并提出了用于优化传输延迟和收敛速度的几个联邦学习拓扑准则。同时，本文还开发了基于深度确定性策略梯度的 RIS 相移控制算法，以同时构建或重构通信网络链接，通过基于 MobileNet 的多视角学习进行了仿真实验，验证了分布式 FL 框架的效率。

    Mar, 2024

  • 基于可重构智能面的设备到设备通信网络能效性能优化

    本文针对一个 D2D 通信网络，研究了 D2D 用户的联合功率控制和可重构智能表面（RIS）的被动波束成形，以最大化能耗效率。本文提出了一种可行的非凸优化算法，其中将问题分解成两个子问题来最优化。通过交替地解决子问题，本文获得了一个联合优化问题的次优解来提高 D2D 网络的能效。

    Jun, 2020

  • 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

  • 基于双连接支持的无人机辅助 RIS Heterogeneous 网络的传输功率最小化资源管理

    本文提出了一种利用多架无人机作为被动中继器搭载可重构智能表面，以改善双连通支持的异构网络（HetNet）性能的新方法。我们通过对优化 UAV 的轨迹 / 速度、RIS 相移、子载波分配以及每个 BS 的有源波束赋形器进行联合优化，解决了总发射功率最小化问题，从而降低了传输功率，同时保持了相似的 QoS。

    Jun, 2021

  • 基于数字双胞胎的用户中心边缘持续学习在综合感知与通信中的应用

    本文提出了基于数字孪生的用户中心方法，用于在具有高准确性和有效资源利用的集成感知与通信系统中处理感知数据。通过构建 ISAC 设备的数字孪生模型，根据潜在决策预测服务器长期计算成本的影响，优化两个决策：感知数据卸载和 DNN 更新的感知数据选择。通过实验证明了该方法在计算成本最小化方面的出色性能。

    Nov, 2023

  • 多无人机网络的低成本增强训练中不完美数字孪生辅助

    通过引入数字孪生技术来减少无人机网络实际训练的成本，该方法使用两个级联神经网络进行优化，同时保证了训练性能。

    Oct, 2023