Apr, 2023

联合感知、通信和人工智能：强韧 THz 用户体验的三重关键

PDF
TL;DR本文提出了一种新的联合感知、通信和人工智能（AI）框架，以优化太赫兹（THz）无线系统上的扩展现实（XR）体验，通过利用 THz 通道的稀疏性提取独特的 XR 用户和环境感知参数，并且整合 AI 预测缺失和未来的感知信息，并开发了多智能体深度循环 Q - 神经网络来控制重构智能表面（RIS）子阵列的切换策略，以提高 THz 链路的健壮性和可靠性。
发现论文，激发创造
  • 人工智能赋能 THz 无线网络的超可靠低时延多路接入

    这篇文章提出了一种全面的 MAC 层方法，通过智能用户关联和资源分配，灵活的适应性移动管理以及阻塞最小化等功能来实现系统的最大可靠性。

    Aug, 2022

  • 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

  • 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

  • 用于智能可重构 THz MIMO-NOMA 网络的图嵌入多智能体学习

    提出了一种基于可重构智能表面技术实现的智能 THz MIMO-NOMA 通信框架，并采用分布式智能算法，完成网络中多个访问点协同优化查询的过程，通过了高定制、高效能和低延迟等测试。

    Jul, 2021

  • 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

  • 基于人工智能的太赫兹超表面频谱预测中的频率信息非均匀分布的出现

    通过利用人工智能预测多频输入对特定频谱进行调制，可以显著提高网络的预测准确性，从而优化现有数据集的利用并为人工智能、化学、复合材料设计、生物医学等领域的跨学科研究和应用铺平道路。

    Dec, 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

  • 改进毫米波成像系统的新型混合学习算法

    介绍了新型混合学习算法，用于改进毫米波成像系统，应用于感知和传感的各种问题领域。

    Jun, 2023

  • 通过改进的 Transformer 与 CGAN 神经网络生成的人工智能太赫兹多共振超表面

    该研究提出了改进的 Transformer 和条件生成对抗神经网络（CGAN）来实现基于太赫兹多重共振吸收光谱的石墨烯超表面的反向设计，并证明这项工作可以促进人工智能生成超材料的设计过程，并对利用生成神经网络开发基于二维材料的复杂太赫兹超表面提供有用指导。

    Jul, 2023