面向智能反射面的深度学习架构综述
信号处理
2025-10-06 v6 信息论
机器学习
math.IT
摘要
智能反射面（IRSs）近来因能够实现无线传播环境的控制而在 6G 无线通信中受到显著关注。IRS 的使用还降低了传统大型天线阵列的硬件复杂度、物理尺寸、重量以及成本。然而，IRS 的部署需要处理基站（BS）与用户之间的多个信道链路。此外，BS 与 IRS 波束成形器需要联合设计，其中 IRS 单元必须快速重新配置。数据驱动技术，如深度学习（DL），在应对这些挑战中至关重要。DL 较低的计算时间和无模型特性使其对数据缺陷和环境变化具有鲁棒性。在物理层，已证明 DL 使用监督、无监督和强化学习等架构可有效用于 IRS 信号检测、信道估计以及主动/被动波束成形。本文提供了用于设计基于 DL 的 IRS 辅助无线系统的这些技术的概要。
引用
@article{arxiv.2009.02540,
title = {A Survey of Deep Learning Architectures for Intelligent Reflecting Surfaces},
author = {Ahmet M. Elbir and Kumar Vijay Mishra},
journal= {arXiv preprint arXiv:2009.02540},
year = {2025}
}
备注
Accepted Paper in IEEE Communications Standards Magazine