通过可重构智能表面实现空中卷积神经网络
信息论
2026-03-13 v3 信号处理
math.IT
摘要
本文介绍了AirCNN，一种通过空中(OTA)模拟计算实现卷积神经网络(CNN)的新范式。通过利用多个可重构智能表面(RIS)和收发器设计，我们设计环境无线传播环境以模拟CNN层的操作。为了全面评估AirCNN，我们考虑了两种类型的CNN，即经典的二维卷积(Conv2d)和轻量级卷积，即深度可分离卷积(ConvSD)。对于通过OTA计算实现Conv2d，我们提出并分析了两种RIS辅助传输架构：多输入多输出(MIMO)和多输入单输出(MISO)，以平衡传输开销和仿真性能。我们在实际约束下联合优化所有参数，包括发射机预编码器、接收机合并器和RIS相移，例如发射功率预算和单位模量相移要求。我们进一步将框架扩展到ConvSD，这需要针对深度卷积和逐点卷积采用不同的传输策略。仿真结果表明，所提出的AirCNN架构能够达到令人满意的分类性能。值得注意的是，在各种设置下，Conv2d MISO始终优于Conv2d MIMO，而对于ConvSD，MISO仅在信道条件较差时表现更优。此外，与单个RIS相比，使用多个RIS显著提升了性能，尤其是在视距(LoS)主导的无线环境中。
引用
@article{arxiv.2510.25389,
title = {CNNs in the Air via Reconfigurable Intelligent Surfaces},
author = {Meng Hua and Haotian Wu and Deniz Gündüz},
journal= {arXiv preprint arXiv:2510.25389},
year = {2026}
}
备注
Using wireless hardware to implement neural networks; This work is submitted to IEEE journal for possible publication