基于深度上下文多臂老虎机编排含多 RIS 的多用户 MISO 系统
信息论
2022-02-17 v1 信号处理
math.IT
摘要
可重构智能表面（RISs）这一新兴技术有潜力通过可编程的信息承载信号传播将无线环境转变为可控系统。源自深度强化学习（DRL）领域的技术近来在最大化由 RISs 赋能的多用户通信系统求和速率性能方面颇受欢迎。此类方法通常基于马尔可夫决策过程（MDPs）。在本文中，我们转而于多臂老虎机（MAB）设定下研究求和速率设计问题，该设定是 MDP 框架的一种松弛。然而，在许多情况下，MAB 表述更契合 RIS 文献中通常所作的信道与系统模型假设。为此，我们提出了一种更简单的 DRL 方法来编排 RIS 赋能的多用户多输入单输出（MISO）系统中的多个超表面，数值结果表明其性能与最先进的基于 MDP 的方法相当，同时计算需求更低。
引用
@article{arxiv.2202.08194,
title = {Deep Contextual Bandits for Orchestrating Multi-User MISO Systems with Multiple RISs},
author = {Kyriakos Stylianopoulos and George Alexandropoulos and Chongwen Huang and Chau Yuen and Mehdi Bennis and and Mérouane Debbah},
journal= {arXiv preprint arXiv:2202.08194},
year = {2022}
}
备注
6 pages, 4 figures, to be presented in IEEE ICC 2022