Apr, 2023

有限 CSI 下基于联合深度强化学习的太赫兹波束搜索

PDF
TL;DR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。
terahertz communicationfederated deep reinforcement learningbeamforming policychannel state informationwireless networks
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

  • 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

    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。

    Sep, 2020

  • 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

  • 基于联邦多任务学习的太赫兹宽带信道和到达角估计

    本论文提出了一个在太赫兹信道估计中实现联邦多任务学习的方法，以提高通信效率。使用波束空间支持对齐技术进行波束分裂校正后，将信道和到达方向信息用作标签训练出 FMTL 模型。相比于传统技术，FMTL 方法提供更高的信道估计精度以及大约 25 倍的模型训练开销降低。

    Jul, 2022

  • 基于联邦强化学习的超密集毫米波网络束形管理：一个智能和安全的方法

    本文介绍一种新型系统化波束控制方案，针对超密集的毫米波网络的波束管理问题。在基于联邦学习的波束管理方案中，使用了双层深度 Q 网络（DDQN），非原始数据聚合可以在减少切换成本的同时，理论上保护用户隐私。模拟结果证明了本文所提出的方案的性能增益。

    Oct, 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

    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

  • 超密集超细胞网络中的波束成形远程通道推断

    本文提出了一种基于学习的低开销信道估计方法，在超密集网络的协调波束赋形中使用，可以通过人工神经网络在线推导出不同波束赋形的质量，从而替换需要大量的导频辅助信道估计，多个基站联合同时学习并增加候选波束，实现更好的性能。实验结果显示，在具有 20 个波束赋形的设置中，该方案的准确率可达 99.74％。

    Apr, 2017

  • 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

  • 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