基于期望最大化学习的可重构智能表面无线信道建模
信息论
2021-08-12 v2 math.IT
摘要
信道建模是设计或评估可重构智能表面(RIS)辅助通信性能时的关键问题。受基于学习的方法在刻画无线环境方面展现出的良好潜力启发,我们提出一种利用无监督期望最大化(EM)学习算法对 RIS 端到端等效信道进行建模的通用方法。我们表明,通过两个 Nakagami- 分布简单混合的基于 EM 的近似足以精确近似等效信道,同时可将空间信道相关性、相移误差、任意衰落条件以及直连与 RIS 信道共存等关键方面纳入 RIS 的信道建模。基于所提分析框架,我们评估了不同 RIS 信道特征设置下的中断概率,并证实了该方法相对于文献中近期结果的优越性。
引用
@article{arxiv.2103.13525,
title = {Expectation-Maximization Learning for Wireless Channel Modeling of Reconfigurable Intelligent Surfaces},
author = {José David Vega Sánchez and Luis Urquiza-Aguiar and Martha Cecilia Paredes Paredes and F. Javier López-Martínez},
journal= {arXiv preprint arXiv:2103.13525},
year = {2021}
}