Nov, 2023

基于多智能体强化学习的室内多星辅助 NOMA 系统的联合用户分配和波束成形设计

PDF
TL;DR在室内环境中，研究了 NOMA 和 Multi-STAR-RISs 的联合用户配对和波束赋形设计，通过解决用户配对问题和波束赋形向量优化问题来最大化 MUs 的总吞吐量。
6g/b5g wireless networksnomastar-rissuser pairingbeamforming
发现论文，激发创造
  • 室内环境下采用 NOMA 辅助的多 STAR-RIS 设计优化：凸逼近模仿强化学习方法

    通过多个关键接入点（APs）和自适应重构智能表面（STAR-RISs）的新型网络架构，该研究论文提出了应对室内通信中干扰抑制、功耗和实时配置方面的挑战的解决方案，并采用多智能体深度强化学习（MADRL）来优化 STAR-RIS 的控制。通过模拟实验，论文证明了与基准方法相比，网络效用显著提高。

    Jun, 2024

  • STAR-RIS 辅助 MIMO-NOMA 网络的低能耗设计

    优化星形可重构智能表面在非正交多址网络中的多输入多输出系统的能量效率。

    Apr, 2023

  • 基于机器学习的 RIS 辅助 NOMA 网络用户分配和相移器设计

    提出了一种新颖的可重构智能表面辅助的非正交多址 (NOMA) 下行传输框架。该框架采用了长期随机优化问题和改进的移动对象迁移自动化算法 (MOMA) 来优化用户分组和可重构智能表面相位移动矩阵，结合深度确定性策略梯度 (DDPG) 算法来控制多重反射元素，实现了动态资源分配策略。通过多个数值结果的分析表明，该方法相对于传统正交多址 (OMA) 框架提高了移动用户 (MUs) 的总数据率，可以学会动态资源分配策略，同时通过提高可重构智能表面相位移动的粒度和增加反射元素的数量来提高数据收益。

    Jan, 2021

  • RIS 增强的大规模非正交多址网络：部署和被动波束成形设计

    提出了一种采用非正交多址技术 (NOMA) 的可重构智能表面 (RIS) 的部署和无源波束成形设计的新框架，利用机器学习方法分别进行用户流量需求的预测和位置获取及相位控制。所提出的 D3QN 算法优于基准算法，同时 NOMA 增强的 RIS 系统能够实现比正交多址 (OMA) 启用的 RIS 系统更高的能量效率。

    Jan, 2020

  • 基于指针网络的多小区 NOMA 联合用户配对与关联

    本文研究了多小区非正交多路访问系统中的联合用户对配对和关联问题，并使用机器学习的新型深度学习技术解决了组合优化问题，并且在性能方面优于随机用户配对和关联技术约 30%。

    Apr, 2020

  • 5G 毫米波通信中非正交多址 (NOMA) 的联合功率分配和波束成形

    本文提出了将非正交多址接入和毫米波通信相结合的方法，并研究了使用波束成型和功率分配的方法来实现最大化系统总速率。经过大量的性能评估，结果表明，该方法的性能接近于理论上的最优解，并明显优于时分多址的结果。

    Nov, 2017

  • 毫米波非正交多址通信中的深度强化学习：联合功率分配和混合波束成形

    本论文介绍了使用深度强化学习和控制理论方法 (DRL) 实现毫米波非正交多址接入 (NOMA) 系统的联合功率分配和混合波束成形，通过考虑用户之间的相互干扰并同时满足高速率需求，模拟结果表明该方法比时分复用多址 (TDMA) 和非线视距 (NLOS)-NOMA 方法在用户总速率方面效果更好，且该方法独立于信道响应。

    May, 2022

  • 深度强化学习的毫米波非正交多址下行系统联合功率分配和波束成形器

    该研究使用深度强化学习方法，对毫米波条件下的非正交多址接入进行了功率分配和波束成形的优化，以达到用户总速率最大化，并在模拟结果中表现出较其他方法更佳的效果。

    May, 2022

  • 多波段共生无线电非正交多址（NOMA）网络中利用主动型空天频率选项资源分配辅助实现和维护总吞吐量最大化

    利用主动同时发送和反射的可重构智能表面（ASRIS）在共生共生无线电网络中建立和增强通信。

    Jan, 2024

  • 多小区 IRS 辅助 NOMA 网络资源分配

    本文提出了一种新颖的资源分配框架，旨在最大化可达到的总速率，通过采用迭代算法和 swap 匹配算法来解决多细胞无正交多址网络中联合用户关联、子信道分配、功率分配等问题，实现了无线服务的增强和能效性的提高。

    Jun, 2020