AI赋能的RIS辅助网络：基于CV的RIS选取与基于DNN的传输设计
信号处理
2024-04-19 v1
摘要
本文从快速实现的角度，探讨了人工智能（AI）赋能的可重构智能表面（RIS）辅助网络方案。我们构建加权求和率最大化问题，用于多RIS网络。为避免激活所有RIS导致的巨大信道估计开销，我们提出一种基于单张多框检测器（single shot multi-box detector）的计算机视觉（CV）使RIS选取方案。为实现实时资源分配，开发了一种基于深度神经网络（DNN）的发送设计，学习从信道信息到发送波束赋形器和相位移矩阵的最优映射。数值结果表明，CV模块能够选取传输条件最佳的RIS。经过训练的DNN在类似于现有替代优化方法的sum-rate性能方面表现相当，但推理时间大幅缩短。
引用
@article{arxiv.2404.11836,
title = {AI-Empowered RIS-Assisted Networks: CV-Enabled RIS Selection and DNN-Enabled Transmission},
author = {Conggang Hu and Yang Lu and Hongyang Du and Mi Yang and Bo Ai and Dusit Niyato},
journal= {arXiv preprint arXiv:2404.11836},
year = {2024}
}