基于分布式深度强化学习的大规模超表面 6G 菲涅尔聚焦波束聚束
系统与控制
2024-09-16 v3 系统与控制
摘要
本文引入通过极大规模可编程超表面（ELPMs）在菲涅尔区实现聚焦波束聚束（SBF）的概念，作为 6G 网络的一项关键赋能技术。智能 SBF 方案旨在利用某种机器学习（ML）方法自适应地将孔径的辐射功率精确集中于 3D 空间中的期望焦点（DFP）。这为下一代网络带来诸多优势，包括高效的无线能量传输（WPT）、干扰抑制、降低射频污染以及改善信息安全。SBF 需要 ELPMs 所有单元精确的信道状态信息（CSI）。然而，在所有环境中获取 ELPMs 的精确 CSI 并不可行；我们通过提出一种基于 TD3 深度强化学习（DRL）方法的自适应新型独立于 CSI 的 ML 方案来缓解该问题。虽然所提基于 ML 的方案非常适用于较小规模阵列，但其计算复杂度对于 ELPMs 而言难以承受。为克服此限制，我们引入一种由多个子阵列组成的模块化高度可扩展结构，每个子阵列配备一个 TD3-DRL 优化器。该设置实现了 DFP 处辐射功率的协同优化，在显著提升学习速度的同时大幅降低计算复杂度。所提结构在 3D 类点功率分布、收敛速度和可扩展性方面的优势通过仿真结果得到验证。
引用
@article{arxiv.2311.11109,
title = {6G Fresnel Spot Beamfocusing using Large-Scale Metasurfaces: A Distributed DRL-Based Approach},
author = {Mehdi Monemi and Mohammad Amir Fallah and Mehdi Rasti and Matti Latva-Aho},
journal= {arXiv preprint arXiv:2311.11109},
year = {2024}
}