基于机器学习的离散相移毫米波智能反射面通信波束成形设计
信息论
2022-03-11 v1 math.IT
摘要
本文研究一种智能反射面（IRS）辅助的毫米波多输入单输出下行无线通信系统。通过联合计算基站的有源波束成形与 IRS 的无源波束成形，我们旨在每个用户信干噪比约束下最小化发射功率。为解决该问题，我们提出一种低复杂度的基于机器学习的交叉熵（CE）算法来交替优化有源波束成形与无源波束成形。具体而言，在交替迭代过程中，分别采用迫零（ZF）方法与 CE 算法获取有源波束成形与无源波束成形。CE 算法从随机采样开始，借助分布聚焦思想，即通过最小化 CE 将分布移向期望分布，从而可以充分高的概率获得近最优反射系数。此外，我们将 IRS 上原始的一位相移扩展至具有高分辨率相移的普遍情况，以增强算法的有效性。仿真结果验证了所提算法能以较低计算复杂度获得近最优解。
引用
@article{arxiv.2203.05354,
title = {Machine Learning-based Beamforming Design for Millimeter Wave IRS Communications with Discrete Phase Shifters},
author = {Wencai Yan and Gangcan Sun and Wanming Hao and Zhengyu Zhu and Zheng Chu and Pei Xiao},
journal= {arXiv preprint arXiv:2203.05354},
year = {2022}
}