論文の概要: Joint Active RIS Configuration and User Power Control for Localization: A Neuroevolution-Based Approach

• arxiv url: http://arxiv.org/abs/2510.13819v1
• Date: Thu, 25 Sep 2025 07:36:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 05:23:07.168631
• Title: Joint Active RIS Configuration and User Power Control for Localization: A Neuroevolution-Based Approach
• Title（参考訳）: 局所化のための統合アクティブRIS構成とユーザパワーコントロール:神経進化に基づくアプローチ
• Authors: George Stamatelis, Hui Chen, Henk Wymeersch, George C. Alexandropoulos,
• Abstract要約: Reconfigurable Intelligent Surface (RIS) によるユーザローカライゼーションの研究 ベースステーションからユーザへのフィードバックリンクを採用し、アップリンク内のユーザパイロット送信の動的電力制御を可能にする。 RIS位相構成とユーザ送信電力のジョイント制御のための新しいマルチエージェントアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 49.48992202227772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies user localization aided by a Reconfigurable Intelligent Surface (RIS). A feedback link from the Base Station (BS) to the user is adopted to enable dynamic power control of the user pilot transmissions in the uplink. A novel multi-agent algorithm for the joint control of the RIS phase configuration and the user transmit power is presented, which is based on a hybrid approach integrating NeuroEvolution (NE) and supervised learning. The proposed scheme requires only single-bit feedback messages for the uplink power control, supports RIS elements with discrete responses, and is numerically shown to outperform fingerprinting, deep reinforcement learning baselines and backpropagation-based position estimators.
• Abstract（参考訳）: 本稿では,Reconfigurable Intelligent Surface (RIS) によるユーザローカライゼーションについて検討する。 ベースステーション(BS)からユーザへのフィードバックリンクを採用し、アップリンク内のユーザパイロット送信の動的電力制御を可能にする。 NE(NeuroEvolution)と教師あり学習を組み合わせたハイブリッドアプローチに基づいて,RIS位相構成とユーザ送信電力のジョイントコントロールのための新しいマルチエージェントアルゴリズムを提案する。 提案方式は、アップリンク電力制御のためのシングルビットフィードバックメッセージのみを必要とし、RIS要素を個別の応答でサポートし、フィンガープリント、深層強化学習ベースライン、バックプロパゲーションに基づく位置推定器よりも優れた性能を示す。

関連論文リスト

• Heterogeneous Secure Transmissions in IRS-Assisted NOMA Communications: CO-GNN Approach [7.2414248136307195]
  IRS支援のNOMA通信は、大きな研究関心を集めている。 IRSの受動的性質は、認証とセキュリティプロトコルが欠如しているため、これらのシステムは外部の盗聴に対して脆弱である。 本稿では、無線ネットワークにおける異種資源構成を有するIRS支援NOMAシステムにおけるセキュアな送信について検討し、外部と内部の両方の盗聴を緩和する。
  論文  参考訳（メタデータ） (2025-06-03T04:01:50Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• 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)
• Consensus Multi-Agent Reinforcement Learning for Volt-VAR Control in Power Distribution Networks [8.472603460083375]
  VVC問題を解くために,コンセンサス多エージェント深部強化学習アルゴリズムを提案する。 提案アルゴリズムでは,各エージェントが局所報酬を用いてグループ制御ポリシーを学習することができる。 IEEE分散テストフィードの数値的研究により,提案アルゴリズムは単エージェント強化学習ベンチマークの性能と一致していることがわかった。
  論文  参考訳（メタデータ） (2020-07-06T18:21:47Z)
• 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。