論文の概要: A DRL-based Reflection Enhancement Method for RIS-assisted Multi-receiver Communications

• arxiv url: http://arxiv.org/abs/2309.05343v1
• Date: Mon, 11 Sep 2023 09:43:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 13:08:59.342013
• Title: A DRL-based Reflection Enhancement Method for RIS-assisted Multi-receiver Communications
• Title（参考訳）: RIS支援マルチレシーバ通信のためのDRLに基づく反射強調法
• Authors: Wei Wang and Peizheng Li and Angela Doufexi and Mark A Beach
• Abstract要約: 複数のシングルリフレクションプロファイルの重ね合わせにより、分散ユーザのためのマルチリフレクションが可能になる。 周期的な単反射プロファイルの組み合わせは振幅/位相反作用をもたらし、各反射ビームの性能に影響を及ぼす。 本稿では,重なり合うプロファイルの誤アライメントに起因する遠距離場性能劣化を,二重反射最適化のシナリオに焦点をあてる。
• 参考スコア（独自算出の注目度）: 4.598835930908191
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In reconfigurable intelligent surface (RIS)-assisted wireless communication systems, the pointing accuracy and intensity of reflections depend crucially on the 'profile,' representing the amplitude/phase state information of all elements in a RIS array. The superposition of multiple single-reflection profiles enables multi-reflection for distributed users. However, the optimization challenges from periodic element arrangements in single-reflection and multi-reflection profiles are understudied. The combination of periodical single-reflection profiles leads to amplitude/phase counteractions, affecting the performance of each reflection beam. This paper focuses on a dual-reflection optimization scenario and investigates the far-field performance deterioration caused by the misalignment of overlapped profiles. To address this issue, we introduce a novel deep reinforcement learning (DRL)-based optimization method. Comparative experiments against random and exhaustive searches demonstrate that our proposed DRL method outperforms both alternatives, achieving the shortest optimization time. Remarkably, our approach achieves a 1.2 dB gain in the reflection peak gain and a broader beam without any hardware modifications.
• Abstract（参考訳）: 再構成可能なインテリジェントサーフェス(RIS)アシスト無線通信システムにおいて、反射のポインティング精度と強度は、RISアレイ内の全ての要素の振幅/位相状態情報を表す「注目」に大きく依存する。 複数のシングルリフレクションプロファイルの重ね合わせにより、分散ユーザのマルチリフレクションが可能になる。 しかし、単屈折および多反射プロファイルにおける周期要素配置からの最適化課題は未検討である。 周期的単反射プロファイルの組み合わせは振幅/位相の反作用をもたらし、各反射ビームの性能に影響を及ぼす。 本稿では,重なり合うプロファイルの誤アライメントに起因する遠距離場性能劣化を,二重反射最適化のシナリオに焦点をあてる。 この問題に対処するために,我々は新しい深層強化学習(DRL)に基づく最適化手法を提案する。 ランダム探索と排他探索の比較実験により,提案手法が両選択肢を上回り,最短最適化時間を達成することを証明した。 顕著なことに,本手法は反射ピークゲインの1.2dBゲインと,ハードウェア変更を伴わない広いビームを実現している。

関連論文リスト

• Efficient Diffusion as Low Light Enhancer [63.789138528062225]
  RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。 textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-10-16T08:07:18Z)
• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Collaborative Feedback Discriminative Propagation for Video Super-Resolution [66.61201445650323]
  ビデオ超解像法(VSR)の主な成功は、主に空間情報と時間情報を探索することに由来する。 不正確なアライメントは通常、重要なアーティファクトを備えたアライメント機能につながる。 伝搬モジュールは同じタイムステップ機能のみを前方または後方に伝播する。
  論文  参考訳（メタデータ） (2024-04-06T22:08:20Z)
• Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless 3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
  我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイント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の問題点について検討する。 この問題に対処する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-14T06:43:36Z)
• 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)
• False Correlation Reduction for Offline Reinforcement Learning [115.11954432080749]
  本稿では,実効的かつ理論的に証明可能なアルゴリズムであるオフラインRLに対するfalSe Correlation Reduction (SCORE)を提案する。 SCOREは、標準ベンチマーク(D4RL)において、様々なタスクにおいて3.1倍の高速化でSoTA性能を達成することを実証的に示す。
  論文  参考訳（メタデータ） (2021-10-24T15:34:03Z)
• Optical-Flow-Reuse-Based Bidirectional Recurrent Network for Space-Time Video Super-Resolution [52.899234731501075]
  時空間ビデオ超解像(ST-VSR)は、与えられたビデオの空間解像度とフレームレートを同時に増加させる。 既存の手法は通常、近隣の幅広いフレームからの情報を効率的に活用する方法の難しさに悩まされる。 本稿では,隣接するフレーム間の知識を活用するために,ConvLSTMの代わりに粗大な双方向リカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-13T15:21:30Z)
• A Reinforcement Learning based approach for Multi-target Detection in Massive MIMO radar [12.982044791524494]
  本稿では,MMIMO(Multiple input Multiple output)認知レーダ(CR)におけるマルチターゲット検出の問題点について考察する。 本稿では,未知の外乱統計の存在下での認知的マルチターゲット検出のための強化学習(RL)に基づくアルゴリズムを提案する。 定常環境と動的環境の両方において提案したRLアルゴリズムの性能を評価するため, 数値シミュレーションを行った。
  論文  参考訳（メタデータ） (2020-05-10T16:29:06Z)
• 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)
• 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)

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。