-
题名基于深度学习的有源智能超表面通信系统
- 1
-
-
作者
王馗宇
张翼飞
陈劭斌
周星宇
高镇
-
机构
北京理工大学信息与电子学院
北京理工大学长三角研究院
北京理工大学前沿交叉科学研究院
北京理工大学前沿技术研究院
-
出处
《无线电通信技术》
北大核心
2024年第2期357-365,共9页
-
基金
国家自然科学基金(62071044,U2001210)
山东省自然科学基金(ZR2022YQ62)
北京市科技新星计划。
-
文摘
智能超表面(Reconfigurable Intelligent Surface,RIS)作为未来无线通信系统中最受关注的物理层技术之一,开创了由适应环境到重构电磁传播环境的全新通信范式。然而由于“乘性衰落”效应,RIS在典型的通信场景中只能实现微不足道的容量增益,而这在许多现有工作中被广泛忽视。针对上述现象,有源RIS可以通过主动放大反射信号,有效克服“乘性衰落”的高路径损失。为此提出了一种基于端到端(End-to-End,E2E)学习策略的有源RIS辅助的通信系统。通过深度学习网络,可以联合优化基站(Base Station,BS)以及RIS处的预编码与功率分配,以及用户(User Equipment,UE)的合并矩阵设计,避免了传统方案交替优化带来的高复杂度。具体来说,利用三个深度神经网络(Deep Neural Network,DNN)分别实现BS的预编码矩阵,BS与RIS处功率分配以及UE端的合并矩阵设计,并利用一个可学习参数向量表征RIS中的相位设置。仿真结果表明,所提出的基于深度学习的有源RIS传输方案相对于传统的无源RIS通信方案与无RIS方案,实现了更优的误比特率(Bit Error Rate,BER)性能。
-
关键词
有源智能超表面
无线通信网络
深度学习
误比特率
-
Keywords
active RIS
deep learning
BER
-
分类号
TN919.23
[电子电信—通信与信息系统]
-