动态富散射环境中可重构智能表面的深度学习辅助配置
信息论
2022-02-17 v1 信号处理
math.IT
摘要
将可重构智能表面（RISs）集成到无线环境中赋予了信道可编程性，并有望在未来的通信标准中扮演关键角色。迄今为止，大多数RIS相关研究聚焦于准自由空间，其中无线信道通常被解析建模。然而，许多现实通信场景发生在富散射环境中，且这些环境还是动态演化的。这些条件给确定优化可达通信速率的RIS配置带来了巨大挑战。在本文中，我们朝应对该挑战迈出了第一步。基于忠实于底层波动物理的模拟器，我们训练了一个深度神经网络作为替代前向模型，以捕捉动态富散射条件下无线信道对RIS配置的随机依赖关系。随后，我们将该模型与遗传算法结合，以确定优化通信速率的RIS配置。我们通过数值实验证明了所提方法在富散射设置中调谐RIS以提升可达速率的能力。
引用
@article{arxiv.2202.07884,
title = {Deep-Learning-Assisted Configuration of Reconfigurable Intelligent Surfaces in Dynamic rich-scattering Environments},
author = {Kyriakos Stylianopoulos and Nir Shlezinger and Philipp del Hougne and George C. Alexandropoulos},
journal= {arXiv preprint arXiv:2202.07884},
year = {2022}
}
备注
5 pages; 3 figures; to be presented in IEEE ICASSP 2022