基于深度强化学习优化 RIS 辅助的 HD-FD 无线系统
信号处理
2021-10-12 v1
摘要
本快报研究了可重构智能表面 (RIS) 辅助的多输入单输出 (MISO) 无线系统，其中半双工 (HD) 与全双工 (FD) 工作模式首次在文献中被一同考虑。目标是通过优化 RIS 相移来最大化速率。提出一种新颖的深度强化学习 (DRL) 算法来求解公式化的非凸优化问题。复杂度分析与蒙特卡洛仿真表明，所提 DRL 算法在使用单一参数设置的情况下，相比未优化场景在 HD 与 FD 两种工作模式下均显著提升速率。此外，相比传统 DRL 算法，它显著降低了下行 HD MISO 系统的计算复杂度，并以更少的每回合步数提升了可达速率。
引用
@article{arxiv.2110.04859,
title = {Deep Reinforcement Learning for Optimizing RIS-Assisted HD-FD Wireless Systems},
author = {Alice Faisal and Ibrahim Al-Nahhal and Octavia A. Dobre and Telex M. N. Ngatched},
journal= {arXiv preprint arXiv:2110.04859},
year = {2021}
}
备注
14 pages, 6 figures, IEEE Communications Letters