面向智能反射面的深度强化学习：迈向独立运行
信息论
2020-02-26 v1 信号处理
math.IT
摘要
智能反射面（IRSs）在覆盖范围和频谱效率上的可观增益正引起越来越多的关注。然而，要在实践中实现这些反射面，还需解决若干挑战。其中的主要挑战之一是如何配置这些无源反射面上的反射系数，而无需海量信道估计或波束训练开销。早期工作建议利用监督学习工具来设计IRS反射矩阵。虽然该方法有潜力降低波束训练开销，但其需要收集大型数据集来训练神经网络模型。在本文中，我们提出了一种新颖的深度强化学习框架，以极小训练开销预测IRS反射矩阵。仿真结果表明，所提出的在线学习框架可收敛到假设完美信道知识下的最优速率。这代表着向实现独立IRS运行（即反射面无需基础设施任何控制而自行配置）迈出的重要一步。
引用
@article{arxiv.2002.11101,
title = {Deep Reinforcement Learning for Intelligent Reflecting Surfaces: Towards Standalone Operation},
author = {Abdelrahman Taha and Yu Zhang and Faris B. Mismar and Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:2002.11101},
year = {2020}
}
备注
Submitted to IEEE SPAWC 2020