論文の概要: Reconfigurable Intelligent Surface Assisted Multiuser MISO Systems Exploiting Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2002.10072v1
• Date: Mon, 24 Feb 2020 04:28:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 04:40:02.554861
• Title: Reconfigurable Intelligent Surface Assisted Multiuser MISO Systems Exploiting Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習を駆使したリコンフィグアブル・サーフェス支援マルチユーザMISOシステム
• Authors: Chongwen Huang, Ronghong Mo and Chau Yuen
• Abstract要約: 再構成可能なインテリジェントサーフェス(RIS)は、将来の6世代(6G)無線通信システムにおいて重要な技術の一つとして推測されている。 本稿では, 基地局におけるビームフォーミング行列とRISにおける位相シフト行列の接合設計について, 深部強化学習(DRL)の最近の進歩を活用して検討する。 提案アルゴリズムは環境から学習し、その振る舞いを徐々に改善するだけでなく、2つの最先端ベンチマークと比較して同等の性能が得られる。
• 参考スコア（独自算出の注目度）: 21.770491711632832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, the reconfigurable intelligent surface (RIS), benefited from the breakthrough on the fabrication of programmable meta-material, has been speculated as one of the key enabling technologies for the future six generation (6G) wireless communication systems scaled up beyond massive multiple input multiple output (Massive-MIMO) technology to achieve smart radio environments. Employed as reflecting arrays, RIS is able to assist MIMO transmissions without the need of radio frequency chains resulting in considerable reduction in power consumption. In this paper, we investigate the joint design of transmit beamforming matrix at the base station and the phase shift matrix at the RIS, by leveraging recent advances in deep reinforcement learning (DRL). We first develop a DRL based algorithm, in which the joint design is obtained through trial-and-error interactions with the environment by observing predefined rewards, in the context of continuous state and action. Unlike the most reported works utilizing the alternating optimization techniques to alternatively obtain the transmit beamforming and phase shifts, the proposed DRL based algorithm obtains the joint design simultaneously as the output of the DRL neural network. Simulation results show that the proposed algorithm is not only able to learn from the environment and gradually improve its behavior, but also obtains the comparable performance compared with two state-of-the-art benchmarks. It is also observed that, appropriate neural network parameter settings will improve significantly the performance and convergence rate of the proposed algorithm.
• Abstract（参考訳）: 近年,再構成可能な知的表面(RIS)は,将来の6世代(6G)無線通信システムにおいて,多数のマルチ入力多重出力(Massive-MIMO)技術を超えて,スマート無線環境を実現するための鍵となる技術のひとつと推測されている。 リフレクションアレイとして使用されるRISは、無線周波数チェーンを必要とせずにMIMO伝送を支援することができるため、消費電力は大幅に減少する。 本稿では,基地局におけるビームフォーミング行列とRISにおける位相シフト行列の接合設計について,最近の深部強化学習(DRL)の進歩を活用して検討する。 まず, 連続状態と行動の文脈で, 事前定義された報酬を観測することで環境と試行錯誤の相互作用により共同設計を行うdrlアルゴリズムを開発した。 送信ビームフォーミングと位相シフトを交互に得るために、交互最適化技術を利用した最も報告された研究とは異なり、提案したDRLベースのアルゴリズムは、DRLニューラルネットワークの出力として、ジョイントデザインを同時に取得する。 シミュレーションの結果,提案手法は環境から学習し,その動作を徐々に改善できるだけでなく,2つの最先端ベンチマークと同等の性能が得られることがわかった。 また、適切なニューラルネットワークパラメータ設定により、提案アルゴリズムの性能と収束率を大幅に向上することが観察された。

関連論文リスト

• Lyapunov-Driven Deep Reinforcement Learning for Edge Inference Empowered by Reconfigurable Intelligent Surfaces [30.1512069754603]
  本稿では,ワイヤレスエッジにおけるエネルギー効率,低レイテンシ,高精度な推論のための新しいアルゴリズムを提案する。 本稿では,新しいデータを一連のデバイスで連続的に生成・収集し,動的キューシステムを通じて処理するシナリオについて考察する。
  論文  参考訳（メタデータ） (2023-05-18T12:46:42Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Deep Reinforcement Learning Based on Location-Aware Imitation Environment for RIS-Aided mmWave MIMO Systems [17.713210541836155]
  本文は, 接合ビームフォーミング設計のための位置認識模倣環境に基づく新しい深部強化学習(DRL)アルゴリズムを提案する。 具体的には、ユーザの位置とmmWaveチャネルの幾何学的関係に基づいて、伝送環境を模倣するニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2022-05-18T08:25:36Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Energy-Efficient Design for a NOMA assisted STAR-RIS Network with Deep Reinforcement Learning [78.50920340621677]
  同時送信・再構成可能なインテリジェントサーフェス(STAR-RIS)は、無線ネットワークの性能を高めるための有望な補助装置であると考えられている。 本稿では,非直交多重アクセス(NOMA)ネットワークにおけるエネルギー効率(EE)問題について検討する。 基地局の送信ビームフォーミングベクトルとSTAR-RISの勾配行列を協調的に最適化することにより,EEを最大化する。
  論文  参考訳（メタデータ） (2021-11-30T15:01:19Z)
• A Robust Deep Learning-Based Beamforming Design for RIS-assisted Multiuser MISO Communications with Practical Constraints [4.727307803726522]
  RIS支援マルチユーザマルチインプットシングルアウトプットダウンリンク通信システムについて検討する。 我々は、アクティブビームフォーミングとパッシブビームフォーミングを同時に設計するディープ量子化ニューラルネットワーク(DQNN)を開発した。 提案した2つのDQNNアルゴリズムは、離散位相シフトと不完全なCSIが同時に考慮される場合に拡張する。
  論文  参考訳（メタデータ） (2021-11-12T03:53:20Z)
• Multi-hop RIS-Empowered Terahertz Communications: A DRL-based Hybrid Beamforming Design [39.21220050099642]
  テラヘルツ帯における無線通信 (0.1-10thz) は、将来の第6世代 (6g) 無線通信システムの鍵となる技術の一つとして考えられている。 マルチホップRIS対応通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案し,THz帯域でのカバレッジ範囲を改善する。
  論文  参考訳（メタデータ） (2021-01-22T14:56:28Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)
• RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment and Passive Beamforming Design [116.88396201197533]
  再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。 エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。 リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。 RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-28T14:37:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。