基于多任务学习的RIS辅助太赫兹MIMO网络协作波束选择
信息论
2024-09-04 v3 信号处理
math.IT
摘要
可重构智能表面(RIS)已被视为缓解阻塞脆弱性并增强太赫兹(THz)通信覆盖能力的 promising 替代方案。由于收发器与RIS处的大规模阵列单元，基于码本的波束成形可以计算高效的方式被利用。然而，模拟波束成形的码字选择是一个难解的组合优化(CO)问题。为此，通过将CO问题视为分类问题，开发了基于多任务学习的模拟波束选择(MTL-ABS)框架，以在收发器与RIS处并发实现协作波束选择。此外，使用残差网络与自注意力机制来对抗网络退化并挖掘内在THz信道特征。最后，从分块视角分析了网络收敛性，数值结果表明MTL-ABS框架大幅降低了波束选择开销，并与基于启发式搜索的对应方案相比实现了近最优和速率。
引用
@article{arxiv.2207.02597,
title = {Cooperative Beam Selection for RIS-Aided Terahertz MIMO Networks via Multi-Task Learning},
author = {Xinying Ma and Gong Chen and Xiaofei Wang},
journal= {arXiv preprint arXiv:2207.02597},
year = {2024}
}
备注
12 pages, 9 figures