基于深度强化学习的 TDD 多用户 MIMO 系统智能反射面优化
信息论
2023-07-31 v1 信号处理
math.IT
摘要
在本文中，我们研究了时分双工（TDD）多用户多输入多输出（MIMO）系统中智能反射面（IRS）的离散相移设计。我们改进了深度强化学习（DRL）方案的设计，使其能在无需子信道信道状态信息（CSI）的情况下最大化平均下行数据传输速率。基于模型特性，我们改进近端策略优化（PPO）算法并集成门控循环单元（GRU）以解决非凸优化问题。仿真结果表明，所提 PPO-GRU 在性能、收敛速度与训练稳定性方面均超越基准方案。
引用
@article{arxiv.2307.15393,
title = {Deep Reinforcement Learning Based Intelligent Reflecting Surface Optimization for TDD MultiUser MIMO Systems},
author = {Fengyu Zhao and Wen Chen and Ziwei Liu and Jun Li and Qingqing Wu},
journal= {arXiv preprint arXiv:2307.15393},
year = {2023}
}