基于机器学习的可重构智能表面辅助MIMO系统
信号处理
2021-05-04 v1
摘要
可重构智能表面（RIS）技术近年来已成为一种频谱高效且成本高效的无线通信系统方法。然而，现有的用于RIS无源波束成形设计与优化的手工工程方案（如交替优化（AO）方法）需要较高的计算复杂度，尤其是对于多输入多输出（MIMO）系统。为克服这一挑战，我们提出了一种低复杂度无监督学习方案，称为学习相移神经网络（LPSNet），以高效求解RIS辅助MIMO系统中的频谱效率最大化问题。特别地，所提出的LPSNet具有优化的输入结构，并且需要少量的层数和节点来为RIS产生高效的相移。由一个具有40个单元的RIS辅助的16x2 MIMO系统的仿真结果表明，LPSNet达到了AO对应方案所提供SE的97.25%，而复杂度降低超过95%。
引用
@article{arxiv.2105.00347,
title = {Machine Learning-based Reconfigurable Intelligent Surface-aided MIMO Systems},
author = {Nhan Thanh Nguyen and Ly V. Nguyen and Thien Huynh-The and Duy H. N. Nguyen and A. Lee Swindlehurst and Markku Juntti},
journal= {arXiv preprint arXiv:2105.00347},
year = {2021}
}