上行多主动 STAR-RIS 辅助 NOMA 系统中资源分配的元学习
信息论
2025-01-07 v3 信号处理
math.IT
摘要
同时透射和反射可重构智能表面 (STAR-RIS) 是一种实现全空间覆盖的新技术。在本文中，考虑了一个在上行传输中使用非正交多址接入的多主动 STAR-RIS 辅助系统，其中多个主动 STAR-RIS 之间的二阶反射辅助从单天线用户到多天线基站的传输。具体而言，通过联合优化主动波束成形、功率分配、主动 STAR-RIS 处的透射和反射波束成形以及用户-主动 STAR-RIS 分配，来解决总和速率最大化问题。为解决该非凸优化问题，提出了一种融合元学习和深度确定性策略梯度 (DDPG) 的新型深度强化学习算法，记作 Meta-DDPG。数值结果表明，我们提出的 Meta-DDPG 算法优于 DDPG 算法，性能提升了 ，而多主动 STAR-RIS 之间的二阶反射使总数据速率提升了 。
引用
@article{arxiv.2401.07100,
title = {Meta-Learning for Resource Allocation in Uplink Multi-Active STAR-RIS-aided NOMA System},
author = {Sepideh Javadi and Armin Farhadi and Mohammad Robat Mili and Eduard Jorswieck and Naofal Al-Dhahir},
journal= {arXiv preprint arXiv:2401.07100},
year = {2025}
}
备注
URL: https://ieeexplore.ieee.org/document/10819367