存在硬件损伤的 RIS 辅助多用户全双工安全通信的深度强化学习
信息论
2022-08-17 v1 信号处理
math.IT
摘要
本文研究了一种存在收发机与 RIS 硬件损伤的可重构智能表面(RIS)辅助多用户全双工安全通信系统，其中多个窃听者同时窃听双向传输信号，并应用 RIS 以增强保密性能。以最大化求和保密速率(SSR)为目标，在基站(BS)发射功率约束与相移器单位模约束下，构建了 BS 发射波束赋形与 RIS 反射波束赋形的联合优化问题。由于环境时变且系统高维，该非凸优化问题在数学上难以处理。探索了一种基于深度强化学习(DRL)的算法，通过与环境动态交互并从中学习来获得满意解。大量仿真结果表明，基于 DRL 的安全波束赋形算法被证明在提升 SSR 方面显著有效。还发现基于 DRL 方法的性能可大幅提升，且神经网络的收敛速度可通过适当的神经网络参数而加快。
引用
@article{arxiv.2208.07820,
title = {Deep Reinforcement Learning for RIS-aided Multiuser Full-Duplex Secure Communications with Hardware Impairments},
author = {Zhangjie Peng and Zhibo Zhang and Lei Kong and Cunhua Pan and Li Li and Jiangzhou Wang},
journal= {arXiv preprint arXiv:2208.07820},
year = {2022}
}
备注
16pages,14 figures, accepted by IEEE Internet of Things Journal