基于深度学习的RIS增强RQSM系统的天线选取技术
信号处理
2025-07-08 v1
摘要
可重构智能表面 (RIS) 因其以最小功耗控制无线传输的能力而引起广泛关注。接收正交空间调制 (RQSM) 方案在I路和Q路信道上传输数据位，使激活接收天线索引数翻倍，提高了相对于传统接收空间调制 (RSM) 的频谱效率。此外，capacity优化的天线选取 (COAS) 通过选择最佳信道条件的天线来提高误差性能。本文提出一种新的深度神经网络 (DNN) 基天线选取方法，辅以COAS技术，以提高RIS-RQSM系统的误差性能。对所提出的DNN-COAS-RIS-RQSM系统进行蒙特卡罗仿真，使用调幅移位 keying (QAM) 技术进行瑞利衰落信道下的比较。还对DNN和COAS技术的计算复杂度进行比较分析，以评估误差性能与复杂度之间的权衡。
引用
@article{arxiv.2507.05071,
title = {Deep Learning Based Antenna Selection Technique for RIS-Empowered RQSM System},
author = {Burak Ahmet Ozden and Fatih Cogen and Erdogan Aydin},
journal= {arXiv preprint arXiv:2507.05071},
year = {2025}
}
备注
6 pages, 5 figures, 2 tables