基于机器学习的无人机辅助空中可重构智能表面网络中压缩通信性能分析：面向未来6G网络
分布式、并行与集群计算
2025-08-05 v1 信息论
网络与互联网体系结构
math.IT
摘要
在未来6G及无线网络，特别是密集城市环境中，带宽耗尽和容量受限已成为提升数据率的重大挑战。我们引入一种新型系统模型，通过集成无人机辅助可重构智能表面 (Aerial-RIS)、非正交多址接入 (NOMA) 及协同多点传输 (CoMP)，显著提升多细胞网络中用户的数据率。通过最佳部署 Aerial-RIS 实现高数据率、采用 NOMA 提升频谱效率、利用 CoMP 抑制细胞间干扰 (ICI)，我们大幅提升整体系统容量与总体数据率。此外，我们针对来自接收方至 RIS 的量化相位移 (QPS) 反馈开销问题进行了设计。该反馈信道受限，无法支持大规模 QPS 的上行通信开销。为确保传输顺畅，我们提出一种基于机器学习的自编码器技术，用于压缩传输 QPS，同时保持高准确率。我们还研究了 Aerial-RIS 元素数量及 NOMA 分配功率比例对单个用户数据率的影响。仿真结果表明，所提出架构在频谱效率、故障概率及带宽利用率方面均实现显著提升，凸显了该架构在提升网络性能方面的潜力。
引用
@article{arxiv.2508.01911,
title = {Machine Learning-Driven Performance Analysis of Compressed Communication in Aerial-RIS Networks for Future 6G Networks},
author = {Muhammad Farhan Khan and Muhammad Ahmed Mohsin and Zeeshan Alam and Muhammad Saad and Muhammad Waqar},
journal= {arXiv preprint arXiv:2508.01911},
year = {2025}
}
备注
Submitted to Mobile Networks and Applications