基于深度学习的 RIS 辅助 RSM 与 RSSK 技术检测
信号处理
2023-10-19 v1
摘要
可重构智能表面（RIS）被认为是未来无线通信的一项关键技术。近来，将 RIS 与空间调制（SM）或空间移位键控（SSK）相结合以在频谱效率与能量效率之间取得平衡，引起了极大关注。在本文中，我们研究了在 Weibull 衰落信道下，将深度学习技术用于 RIS 辅助的接收 SM（RSM）/接收 SSK（RSSK）系统的检测，具体是将 RIS 辅助的 SM/SSK 系统推广到传统 SM 系统的一个特例。通过采用神经网络的概念，本研究聚焦于模型驱动的深度学习检测，即用于 RIS 辅助 SM 系统的块深度神经网络（B-DNN），并将其性能与最大似然（ML）和贪婪检测器进行比较。最后，蒙特卡洛仿真表明，虽然 B-DNN 取得的误码率（BER）性能接近 ML，但其结果优于贪婪检测器。
引用
@article{arxiv.2310.11924,
title = {Deep Learning Based Detection on RIS Assisted RSM and RSSK Techniques},
author = {Onur Salan and Ferhat Bayar and Hacı Ilhan and Erdogan Aydin},
journal= {arXiv preprint arXiv:2310.11924},
year = {2023}
}
备注
Accepted to be published in GlobeComm 2023 Workshop