論文の概要: AI-Enabled Unmanned Vehicle-Assisted Reconfigurable Intelligent
Surfaces: Deployment, Prototyping, Experiments, and Opportunities
- arxiv url: http://arxiv.org/abs/2311.04241v1
- Date: Mon, 6 Nov 2023 22:22:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-09 18:22:01.297858
- Title: AI-Enabled Unmanned Vehicle-Assisted Reconfigurable Intelligent
Surfaces: Deployment, Prototyping, Experiments, and Opportunities
- Title（参考訳）: aiを利用した無人車両支援型リコンフィギャラブルインテリジェントサーフェス:展開、プロトタイピング、実験、機会
- Authors: Li-Hsiang Shen, Kai-Ten Feng, Ta-Sung Lee, Yuan-Chun Lin, Shih-Cheng
Lin, Chia-Chan Chang, Sheng-Fuh Chang
- Abstract要約: 我々は、MW基地局(BS)と受信機に付随する二重バンド自動誘導車両(AGV)を用いたRIS(i-Dris)プロトタイプをインテリジェントに展開する。
i-Drisは、100MHzの帯域で最大980 Mbpsの伝送スループットに到達でき、複雑度も低く、迅速な展開も可能である。
- 参考スコア（独自算出の注目度）: 9.924381667530971
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The requirement of wireless data demands is increasingly high as the
sixth-generation (6G) technology evolves. Reconfigurable intelligent surface
(RIS) is promisingly deemed to be one of 6G techniques for extending service
coverage, reducing power consumption, and enhancing spectral efficiency. In
this article, we have provided some fundamentals of RIS deployment in theory
and hardware perspectives as well as utilization of artificial intelligence
(AI) and machine learning. We conducted an intelligent deployment of RIS
(i-Dris) prototype, including dual-band auto-guided vehicle (AGV) assisted RISs
associated with an mmWave base station (BS) and a receiver. The RISs are
deployed on the AGV with configured incident/reflection angles. While, both the
mmWave BS and receiver are associated with an edge server monitoring downlink
packets for obtaining system throughput. We have designed a federated
multi-agent reinforcement learning scheme associated with several AGV-RIS
agents and sub-agents per AGV-RIS consisting of the deployment of position,
height, orientation and elevation angles. The experimental results presented
the stationary measurement in different aspects and scenarios. The i-Dris can
reach up to 980 Mbps transmission throughput under a bandwidth of 100 MHz with
comparably low complexity as well as rapid deployment, which outperforms the
other existing works. At last, we highlight some opportunities and future
issues in leveraging RIS-empowered wireless communication networks.
- Abstract（参考訳）: 第6世代(6G)技術の発展に伴い、無線データ要求の要件はますます高まっている。
再構成可能なインテリジェントサーフェス(RIS)は、サービスカバレッジを拡張し、消費電力を減らし、スペクトル効率を向上する6G技術の1つである。
本稿では、理論およびハードウェアの観点からのRISデプロイメントの基礎と、人工知能(AI)と機械学習の利用について述べる。
我々は、ミリ波基地局(bs)と受信機に関連する2バンド自動誘導車(agv)のris支援を含むris(i-dris)プロトタイプのインテリジェント展開を行った。
RISはAGVに配置され、インシデント/リフレクション角が設定されている。
一方、mmWave BSと受信機は、システムスループットを得るためにダウンリンクパケットを監視するエッジサーバに関連付けられている。
我々は複数のAGV-RISエージェントとAGV-RIS当たりのサブエージェントに関連付けられた多エージェント強化学習方式を設計した。
実験の結果, 定常測定は異なる側面とシナリオで示された。
i-Drisは、100MHzの帯域幅で最大980 Mbpsの伝送スループットに到達できる。
最後に、RISを内蔵した無線通信ネットワークを利用する際のいくつかの機会と今後の課題を強調した。
関連論文リスト
- Machine Learning for Metasurfaces Design and Their Applications [20.350142630673197]
マシン/ディープラーニング(ML/DL)技術は、RIS逆設計の計算コストと時間を削減する上で重要である。
本章は、逆RIS設計とRISアシスト無線システムの両方のためのDL技術のシナプスを提供する。
論文 参考訳（メタデータ） (2022-11-02T17:19:37Z) - Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable
Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。
しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。
本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
論文 参考訳（メタデータ） (2022-09-18T03:07:37Z) - 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) - Channel Estimation and Hybrid Architectures for RIS-Assisted
Communications [6.677785070549226]
再構成可能なインテリジェントサーフェス(ris)は、次期第6世代(6g)無線通信システムの潜在的な技術と考えられている。
1つまたは複数のRISをデプロイすることで得られる利点は、スペクトルとエネルギー効率の向上、接続性の向上、通信範囲の拡大、トランシーバーの複雑さの低減である。
論文 参考訳（メタデータ） (2021-04-14T20:28:09Z) - Ultra-Reliable Indoor Millimeter Wave Communications using Multiple
Artificial Intelligence-Powered Intelligent Surfaces [115.85072043481414]
複数人工知能(AI)対応再構成可能なインテリジェントサーフェス(RIS)を用いた超信頼性ミリ波(mmW)通信を保証する新しいフレームワークを提案する。
複数のAI駆動RISを使用することで、mmWアクセスポイント(AP)から送信される信号の伝搬方向を変更できます。
mmW APとRISのポリシーを制御するために、2つの集中型および分散コントローラが提案されている。
論文 参考訳（メタデータ） (2021-03-31T19:15:49Z) - 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) - 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) - Hybrid Beamforming for RIS-Empowered Multi-hop Terahertz Communications:
A DRL-based Method [43.95403787396996]
TeraHertzバンド(0.1-10 THz)における無線通信は、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ひとつとして想定されている。
本稿では,マルチホップRIS支援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する。
論文 参考訳（メタデータ） (2020-09-20T07:51:49Z) - Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。
IRSは無線チャネルを動的に変更して通信性能を向上させることができる。
その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
論文 参考訳（メタデータ） (2020-07-06T13:59:09Z) - 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。