全息超表面收发器的最优相移学习
信号处理
2023-01-10 v1 人工智能
信息论
机器学习
网络与互联网体系结构
math.IT
摘要
全息超表面收发器（HMT）是一项用于增强无线通信系统覆盖范围和速率的新兴技术。然而，在 HMT 辅助的无线通信系统中获取准确的信道状态信息对于实现这些目标至关重要。在本文中，我们提出一种用于远场信道模型下 HMT 最优相移学习的算法。我们提出的算法利用了远场区域信道增益的结构，并在接收信号存在噪声的情况下学习最优相移。我们证明，由所提算法估计的最优相移偏离真实值的概率随导频信号数量呈指数衰减。大量数值仿真验证了理论保证，并显示出相较于最先进策略的显著增益。
引用
@article{arxiv.2301.03371,
title = {Learning Optimal Phase-Shifts of Holographic Metasurface Transceivers},
author = {Debamita Ghosh and Manjesh K. Hanawal and Nikola Zlatanov},
journal= {arXiv preprint arXiv:2301.03371},
year = {2023}
}