基于梯度的元学习用于越过对角线的上行RSMA
信号处理
2024-10-24 v1
摘要
越过对角线可重构智能表面（BD-RIS）已成为一种新兴且通用的 RIS 框架，提供了在波形操控方面 greater flexibility 和增强的覆盖范围。与传统 RIS 相比，BD-RIS 的优化更具挑战性，因为其关联的优化变量数量大得多。通常情况下，利用传统优化方法解决大规模优化问题会导致高复杂度。为解决此问题，我们提出一种无需预训练即可解决大规模优化问题的梯度基于元学习算法。以最大化系统的总速率为目标，据我们所知，这是首次考虑在上行速率分割多用户访问（RSMA）通信中，对基站（BS）的接收波束矢量、BD-RIS 的散射矩阵以及用户设备（UE）的发射功率进行联合优化。数值结果表明，我们提出的方案相对于传统 RIS RSMA 框架可提高 22.5%。
引用
@article{arxiv.2410.17896,
title = {Gradient-Based Meta Learning for Uplink RSMA with Beyond Diagonal RIS},
author = {Shreya Khisa and Ali Amhaz and Mohamed Elhattab and Chadi Assi and Sanaa Sharafeddine},
journal= {arXiv preprint arXiv:2410.17896},
year = {2024}
}