論文の概要: A Robust Deep Learning-Based Beamforming Design for RIS-assisted
Multiuser MISO Communications with Practical Constraints
- arxiv url: http://arxiv.org/abs/2111.06555v1
- Date: Fri, 12 Nov 2021 03:53:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 14:53:02.417961
- Title: A Robust Deep Learning-Based Beamforming Design for RIS-assisted
Multiuser MISO Communications with Practical Constraints
- Title（参考訳）: 実用的な制約付きris支援マルチユーザmiso通信のためのロバストなディープラーニングベースビームフォーミング設計
- Authors: Wangyang Xu, Lu Gan, and Chongwen Huang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.727307803726522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconfigurable intelligent surface (RIS) has become a promising technology to
improve wireless communication in recent years. It steers the incident signals
to create a favorable propagation environment by controlling the reconfigurable
passive elements with less hardware cost and lower power consumption. In this
paper, we consider a RIS-aided multiuser multiple-input single-output downlink
communication system. We aim to maximize the weighted sum-rate of all users by
joint optimizing the active beamforming at the access point and the passive
beamforming vector of the RIS elements. Unlike most existing works, we consider
the more practical situation with the discrete phase shifts and imperfect
channel state information (CSI). Specifically, for the situation that the
discrete phase shifts and perfect CSI are considered, we first develop a deep
quantization neural network (DQNN) to simultaneously design the active and
passive beamforming while most reported works design them alternatively. Then,
we propose an improved structure (I-DQNN) based on DQNN to simplify the
parameters decision process when the control bits of each RIS element are
greater than 1 bit. Finally, we extend the two proposed DQNN-based algorithms
to the case that the discrete phase shifts and imperfect CSI are considered
simultaneously. Our simulation results show that the two DQNN-based algorithms
have better performance than traditional algorithms in the perfect CSI case,
and are also more robust in the imperfect CSI case.
- Abstract（参考訳）: 再構成可能なインテリジェントサーフェス(ris)は、近年、無線通信を改善する有望な技術となっている。
コンフィグレーション可能なパッシブ要素をハードウェアコストの低減と消費電力の低減で制御することにより、インシデント信号を制御し、良好な伝搬環境を作り出す。
本稿では、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考察する。
RIS要素のアクセスポイントにおける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ベクトルを共同最適化することにより、全ユーザの重み付け総和率を最大化する。
既存のほとんどの作品とは異なり、離散位相シフトと不完全チャネル状態情報(CSI)によるより実践的な状況を考える。
具体的には, 離散位相シフトと完全csiが考慮される状況において, まず, 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。
次に,DQNNに基づく改良された構造(I-DQNN)を提案し,各RIS要素の制御ビットが1ビット以上である場合のパラメータ決定プロセスを単純化する。
最後に、2つのdqnnに基づくアルゴリズムを離散位相シフトと不完全csiを同時に考慮する場合に拡張する。
シミュレーションの結果,DQNNに基づく2つのアルゴリズムは完全CSIの場合では従来のアルゴリズムよりも優れた性能を示し,不完全CSIの場合ではより堅牢であることがわかった。
関連論文リスト
- Resource-Efficient Sensor Fusion via System-Wide Dynamic Gated Neural Networks [16.0018681576301]
我々はQuantile-Constrained Inference (QIC)と呼ばれる新しいアルゴリズム戦略を提案する。
QICは、上記のシステムのすべての側面について、共同で高品質で迅速な決定を行います。
結果,QICは最適値と一致し,選択肢を80%以上上回っていることを確認した。
論文 参考訳（メタデータ） (2024-10-22T06:12:04Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - 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) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Reconfigurable Intelligent Surface Enabled Spatial Multiplexing with
Fully Convolutional Network [40.817290717344534]
RIS(Reconfigurable Surface)は、無線通信システムのための新興技術である。
本稿では,この問題を解決するために完全畳み込みネットワーク(WSNFC)を提案する。
我々は、RISとダイレクトチャネルを経由するカスケードチャネルを含む一連のチャネル機能を設計する。
論文 参考訳（メタデータ） (2022-01-08T14:16:00Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳（メタデータ） (2021-01-05T03:55:04Z) - Phase Configuration Learning in Wireless Networks with Multiple
Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。
RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。
RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文 参考訳（メタデータ） (2020-10-09T05:35:27Z) - Reconfigurable Intelligent Surface Assisted Multiuser MISO Systems
Exploiting Deep Reinforcement Learning [21.770491711632832]
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。
論文 参考訳（メタデータ） (2020-02-24T04:28:44Z) - 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。