基于深度学习的可重构智能表面用于车际通信
信号处理
2023-05-23 v1
摘要
本快报提出了一种新颖的深度神经网络 (DNN) 辅助协作可重构智能表面 (RIS) 方案以及一种基于 DNN 的符号检测模型，用于级联 Nakagami-m 衰落信道上的车际通信。在所考虑的实际信道模型中，移动节点间的信道链路被建模为级联 Nakagami-m 信道，而涉及任何静止节点的链路被建模为 Nakagami-m 衰落信道，其中源与目的地之间的所有节点均由基于 RIS 的中继实现。所提模型的性能在误码率 (BER) 方面进行了评估并与传统方法比较。结果表明，基于 DNN 的系统以较低的系统复杂度展现出近乎一致的性能。
引用
@article{arxiv.2305.12546,
title = {Deep-Learning Based Reconfigurable Intelligent Surfaces for Intervehicular Communication},
author = {Bulent Sagir and Erdogan Aydin and Haci Ilhan},
journal= {arXiv preprint arXiv:2305.12546},
year = {2023}
}
备注
12 pages, 3 figures, 1 Table