面向 IRS 辅助无线系统的元学习驱动轻量化相移压缩
信号处理
2025-05-08 v1
摘要
相移信息（PSI）开销是实现实时智能反射表面（IRS）辅助无线系统的关键挑战，尤其在动态和资源受限的条件下。在本文中，我们提出了一种轻量化 PSI 压缩框架，称为元学习驱动压缩与重建网络（MCRNet）。通过模型不可知元学习（MAML）利用少样本自适应策略，MCRNet 能够以最小的重训练开销在各种 IRS 配置下实现快速泛化。此外，解码器中引入了新型深度卷积门控（DWCG）模块，以低计算成本实现自适应局部特征调制，显著提高了解码效率。大量仿真表明，在各种压缩率下，MCRNet 与最先进的基线相比取得了具有竞争力的归一化均方误差性能，同时大幅减小了模型尺寸和推理延迟。这些结果验证了所提出的非对称架构的有效性，并突出了 MCRNet 在动态 IRS 辅助无线部署中的实际可扩展性和实时适用性。
引用
@article{arxiv.2505.04453,
title = {Meta-Learning Driven Lightweight Phase Shift Compression for IRS-Assisted Wireless Systems},
author = {Xianhua Yu and Dong Li and Bowen Gu and Xiaoye Jing and Wen Wu and Tuo Wu and Kan Yu},
journal= {arXiv preprint arXiv:2505.04453},
year = {2025}
}