論文の概要: Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments
- arxiv url: http://arxiv.org/abs/2211.09726v1
- Date: Wed, 2 Nov 2022 22:07:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 13:52:28.002718
- Title: Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments
- Title(参考訳): 時空間関連環境におけるIRS位相シフト設計のための深部強化学習
- Authors: Spilios Evmorfos, Athina P. Petropulu, H. Vincent Poor
- Abstract要約: 本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
- 参考スコア(独自算出の注目度): 93.30657979626858
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper studies the problem of designing the Intelligent Reflecting Surface
(IRS) phase shifters for Multiple Input Single Output (MISO) communication
systems in spatiotemporally correlated channel environments, where the
destination can move within a confined area. The objective is to maximize the
expected sum of SNRs at the receiver over infinite time horizons. The problem
formulation gives rise to a Markov Decision Process (MDP). We propose a deep
actor-critic algorithm that accounts for channel correlations and destination
motion by constructing the state representation to include the current position
of the receiver and the phase shift values and receiver positions that
correspond to a window of previous time steps. The channel variability induces
high frequency components on the spectrum of the underlying value function. We
propose the preprocessing of the critic's input with a Fourier kernel which
enables stable value learning. Finally, we investigate the use of the
destination SNR as a component of the designed MDP state, which is common
practice in previous work. We provide empirical evidence that, when the
channels are spatiotemporally correlated, the inclusion of the SNR in the state
representation interacts with function approximation in ways that inhibit
convergence.
- Abstract(参考訳): 本稿では,複数入力単一出力 (MISO) 通信システムのための知的反射面 (IRS) 位相シフト器を時空間的に相関したチャネル環境において設計する際の問題点について検討する。
目的は、無限時間水平線上の受信機におけるSNRの期待総和を最大化することである。
問題定式化はマルコフ決定過程(MDP)を引き起こす。
本稿では,受信機の現在位置と位相シフト値と前回の時間ステップのウィンドウに対応する受信位置とを含む状態表現を構築し,チャネル相関と目的地移動を考慮した深いアクタ-クリティックアルゴリズムを提案する。
チャネル可変性は、基礎となる値関数のスペクトルに高周波成分を誘導する。
本稿では,フーリエ・カーネルを用いた批判者の入力の前処理を提案する。
最後に,先行研究でよく見られる設計mdp状態の構成要素として,宛先snrの使用について検討する。
本研究では、チャネルが時空間的に相関している場合、状態表現におけるSNRの包含が収束を抑制する方法で関数近似と相互作用することを示す。
関連論文リスト
- Joint Sparsity Pattern Learning Based Channel Estimation for Massive
MIMO-OTFS Systems [46.42375183269616]
大規模マルチインプット・マルチアウトプット(MIMO)変調システムのためのジョイント・スパシティ・パターン・ラーニング(JSPL)に基づくチャネル推定手法を提案する。
シミュレーション結果と解析の結果から,提案したチャネル推定手法は,最先端のベースライン方式よりも性能が向上することが示された。
論文 参考訳(メタデータ) (2024-03-06T15:05:39Z) - Deep Learning-Based Frequency Offset Estimation [7.143765507026541]
残差ネットワーク(ResNet)を用いて信号の特徴を学習し抽出することで,CFO推定におけるディープラーニングの利用について述べる。
従来のCFO推定法と比較して,提案手法は様々なシナリオにおいて優れた性能を示す。
論文 参考訳(メタデータ) (2023-11-08T13:56:22Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳(メタデータ) (2023-06-08T06:15:17Z) - Non-Coherent Over-the-Air Decentralized Stochastic Gradient Descent [0.0]
無線接続システム上での分散機械学習タスクを解決するために,分散グラディエント Descent (DSGD) を提案する。
NCOTA-DSGDは、MNISTデータセット上の画像分類タスクを解くことにより、数値的に評価される。
論文 参考訳(メタデータ) (2022-11-19T19:15:34Z) - 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) - Channel Estimation for RIS-Empowered Multi-User MISO Wireless
Communications [35.207416803526876]
基地局とRIS間のチャネルに対する2つの反復推定アルゴリズムを提案する。
1つは交互最小二乗法(ALS)に基づいており、もう1つはベクトル近似メッセージを使って2つの未知のチャネルを反復的に再構築する。
また、推定チャネルと基地局の異なるプリコーディング方式を用いて、ダウンリンク達成可能な総和率についても論じる。
論文 参考訳(メタデータ) (2020-08-04T10:53:51Z) - 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) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳(メタデータ) (2020-01-17T07:13:51Z) - Temporal-Spatial Neural Filter: Direction Informed End-to-End
Multi-channel Target Speech Separation [66.46123655365113]
ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。
主な課題は、複雑な音響環境とリアルタイム処理の要件である。
複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
論文 参考訳(メタデータ) (2020-01-02T11:12:50Z)
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。