基于深度学习的可重构智能表面信道外推与单元分组方法

可重构智能表面（RIS）被认为是未来无线通信网络的一项革命性技术。在本文中，我们考虑级联信道的获取，由于海量的无源 RIS 单元，这是一项具有挑战性的任务。为降低导频开销，我们采用单元分组策略，其中同一组内每个单元共享相同的反射系数，并假设具有相同的信道条件。我们分析了单元分组策略引起的信道干扰，并进一步设计了两个基于深度学习的网络。第一个网络旨在通过消除干扰来细化部分信道，而第二个网络试图从细化后的部分信道外推完整信道。我们将两个网络级联并联合训练。仿真结果表明，与传统的无干扰消除单元分组方法相比，所提方案提供了显著的增益。