Fugu-MT 論文翻訳(概要): On the Robustness of Deep Reinforcement Learning in IRS-Aided Wireless Communications Systems

論文の概要: On the Robustness of Deep Reinforcement Learning in IRS-Aided Wireless Communications Systems

arxiv url: http://arxiv.org/abs/2107.08293v1
Date: Sat, 17 Jul 2021 17:42:25 GMT
ステータス: 処理完了
システム内更新日: 2021-07-21 05:23:01.213933
Title: On the Robustness of Deep Reinforcement Learning in IRS-Aided Wireless Communications Systems
Title（参考訳）: IRS支援無線通信システムにおける深層強化学習のロバスト性について
Authors: Amal Feriani, Amine Mezghani, and Ekram Hossain
Abstract要約: 我々は、ダウンリンク伝送のためのインテリジェントリフレクティングサーフェス(IRS)支援マルチインプット・シングルアウトプット(MISO)システムについて検討する。我々は、IRS要素の最適位相シフトを求める際に、Deep Reinforcement Learning(DRL)と従来の最適化手法の性能を比較した。 DRLソリューションは,ノイズの多いチャネルやユーザモビリティに対して,より堅牢性を示すことを示す。
参考スコア（独自算出の注目度）: 31.70191055921352
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We consider an Intelligent Reflecting Surface (IRS)-aided multiple-input single-output (MISO) system for downlink transmission. We compare the performance of Deep Reinforcement Learning (DRL) and conventional optimization methods in finding optimal phase shifts of the IRS elements to maximize the user signal-to-noise (SNR) ratio. Furthermore, we evaluate the robustness of these methods to channel impairments and changes in the system. We demonstrate numerically that DRL solutions show more robustness to noisy channels and user mobility.
Abstract（参考訳）: 我々は、ダウンリンク伝送のためのインテリジェントリフレクティングサーフェス(IRS)支援マルチインプット・シングルアウトプット(MISO)システムを検討する。ユーザ信号対雑音(SNR)比を最大化するため、IRS要素の最適位相シフトを求める際に、DRL(Deep Reinforcement Learning)と従来の最適化手法の性能を比較した。さらに,これらの手法のロバスト性を評価し,システムの障害や変化を導出する。 DRLソリューションがノイズチャネルやユーザモビリティに対してより堅牢性を示すことを示す。

関連論文リスト

IRS-Assisted Lossy Communications Under Correlated Rayleigh Fading: Outage Probability Analysis and Optimization [23.863453726808796]
本稿では,レイリーフェーディングを用いたインテリジェント反射面(IRS)を用いた損失通信システムについて述べる。相関チャネルモデルを分析し,システム停止確率を導出する。そして、IRSの位相シフトを最適化するために、深層強化学習法(DRL)を設計する。
論文参考訳（メタデータ） (2024-08-13T15:27:30Z)
An ML-assisted OTFS vs. OFDM adaptable modem [1.8492669447784602]
OTFSおよびOFDM波形は、レガシーアーキテクチャの再利用、レシーバ設計の単純さ、低複雑さ検出の利点を享受する。本稿では,送信機におけるOTFSまたはOFDM信号処理チェーンと受信機とを切り替えて,平均二乗誤差(MSE)性能を最適化するディープニューラルネットワーク(DNN)に基づく適応方式を提案する。
論文参考訳（メタデータ） (2023-09-04T02:33:44Z)
Deep Reinforcement Learning Based Joint Downlink Beamforming and RIS Configuration in RIS-aided MU-MISO Systems Under Hardware Impairments and Imperfect CSI [0.0]
我々は,光ビームフォーミングと再構成可能なインテリジェントサーフェス(RIS)位相シフトを協調的に最適化する,新しい深部強化学習(DRL)手法を提案する。提案手法は,現実的なRIS振幅モデルを考慮した不完全チャネル状態情報(CSI)とハードウェア障害の課題に対処する。
論文参考訳（メタデータ） (2022-10-10T09:37:53Z)
Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文参考訳（メタデータ） (2022-05-02T12:23:55Z)
Untrained DNN for Channel Estimation of RIS-Assisted Multi-User OFDM System with Hardware Impairments [11.012356843958282]
本稿では、RIS支援マルチユーザ単一入出力(SIMO)周波数分割多重化(OFDM)システムのための深層学習に基づく低複雑性チャネル推定手法を提案する。提案手法は従来の手法に比べて精度と複雑さの点で高い性能を示す。
論文参考訳（メタデータ） (2021-07-13T07:30:43Z)
Deep Reinforcement Learning Powered IRS-Assisted Downlink NOMA [6.3510536583205255]
DRL方式に基づくIRS支援NOMAは、OMA方式に比べて高い総和率を実現し、電力の増大に伴い、より多くの利用者が利用できるようになることを示す。
論文参考訳（メタデータ） (2021-04-03T14:10:40Z)
LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文参考訳（メタデータ） (2021-02-05T04:26:05Z)
Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
論文参考訳（メタデータ） (2020-08-29T08:39:43Z)
Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文参考訳（メタデータ） (2020-06-03T12:18:57Z)
Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-05-25T01:42:55Z)
Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-02-24T22:18:54Z)

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。