基于数据驱动的两阶段 IRS 辅助总率最大化：不精确的波束赋形
信号处理
2025-09-23 v1 最优化与控制
摘要
我们提出 iZoSGA，一种数据驱动的学习算法，用于联合被动长期智能反射面（IRS）辅助波束成形和主动短期波束赋形于无线网络。iZoSGA基于零阶随机准梯度上升方法，用于处理具有连续不确定性和具有“黑盒”项的目标函数的两阶段非凸随机规划问题，其中第二阶段优化不精确。因此，iZoSGA利用不精确的波束赋形 oracle，实现在短期（例如 WMMSE-based）波束成形求解近似值时的实际应用。该方法对信道模型或统计信息不敏感，适用于任意 IRS/网络配置。我们证明了 iZoSGA 在最小假设下对原始精确问题的稳态解附近的非渐近收敛性。我们的数值结果确认了 iZoSGA 在多种“不精确”情景下的有效性，使被动且完全有效的 IRS 操作在多样化且现实的 IRS 辅助场景中得以实现。
关键词
引用
@article{arxiv.2509.16776,
title = {Data-Driven Two-Stage IRS-Aided Sumrate Maximization with Inexact Precoding},
author = {Hassaan Hashmi and Spyridon Pougkakiotis and Dionysis Kalogerias},
journal= {arXiv preprint arXiv:2509.16776},
year = {2025}
}