RIS 辅助无线网络中移动 UE 的阻塞预测：一种深度学习方法
图像与视频处理
2022-09-23 v1
摘要
由于无线网络中存在显著的阻塞条件，传输信号在到达接收机前可能严重衰减。因此，由于通信节点间的阻塞，传输信号的可靠性可能存在严重问题。得益于可重构智能表面（RIS）以不同反射角反射入射信号的能力，可通过将发射信号最优反射至接收节点来抵消阻塞效应，从而改善无线网络性能。基于此动机，本文构建了从基站（BS）到移动用户设备（UE）的 RIS 辅助无线通信问题。该 BS 配备 RGB 相机。我们利用 BS 处的 RGB 相机与 RIS 面板来改善系统性能，同时考虑信号经多径传播及移动 UE 的多普勒扩展。首先，RGB 相机用于检测 UE 是否存在且无阻塞。若未成功，则由 RIS 辅助增益接管，用于检测 UE 是“存在但被阻塞”还是“ absent（不存在）”。该问题被确定为三元分类问题，目标是最大化 UE 通信阻塞检测概率。我们利用深度神经网络模型，针对给定 RGB 图像与 RIS 辅助数据率，求得预测阻塞状态概率的最优解。我们采用残差网络 18 层神经网络模型来求此最优阻塞预测概率。大量仿真结果表明，相较于基线方案，我们所提 RIS 面板辅助模型将阻塞预测概率最大化问题的精度提升了超过 38%。
引用
@article{arxiv.2209.11088,
title = {Blockage Prediction for Mobile UE in RIS-assisted Wireless Networks: A Deep Learning Approach},
author = {Shakil Ahmed and Ibrahim Abdelmawla and Ahmed E. Kamal and Mohamed Y. Selim},
journal= {arXiv preprint arXiv:2209.11088},
year = {2022}
}