RIS 辅助 NOMA 网络的元学习
信号处理
2021-11-05 v1
摘要
针对下行非正交多址接入（NOMA）网络，提出了一种基于可重构智能表面（RIS）的新型传输框架。我们提出了一种基于服务质量（QoS）的聚类方案以提高资源效率，并通过联合优化 RIS 的相移和基站（BS）的功率分配，构建了一个和速率最大化问题。提出了一种基于模型无关元学习（MAML）的学习算法来解决该联合优化问题，具有快速收敛速率和低模型复杂度。大量仿真结果表明，与传统的正交多址接入（OMA）网络相比，所提出的基于 QoS 的 NOMA 网络实现了显著更高的传输吞吐量。还可以观察到，在 NOMA 和 OMA 网络中集成 RIS 可以实现可观的吞吐量增益。此外，所提出的基于 QoS 的聚类方法的仿真结果表明，相比传统的基于信道条件的方案，其具有明显的吞吐量增益。
引用
@article{arxiv.2111.02582,
title = {Meta-learning for RIS-assisted NOMA Networks},
author = {Yixuan Zou and Yuanwei Liu and Kaifeng Han and Xiao Liu and Kok Keong Chai},
journal= {arXiv preprint arXiv:2111.02582},
year = {2021}
}
备注
6 pages, 5 figures. Accepted for publication in GC 2021