IRS 辅助系统中基于增强深度展开的混合专家 (Mixture of Experts) 活动检测
机器学习
2025-06-27 v2
摘要
在大规模机器类型通信的活动检测领域，智能反射面 (IRS) 在提升无直接与基站 (BS) 连接设备覆盖方面显示出巨大的潜力。然而，传统活动检测方法通常为单一信道模型设计，无法反映实际场景的复杂性，尤其是在包含 IRS 的系统中。为解决这一挑战，本文引入一种新方法，将模型驱动的深度展开与混合专家 (MoE) 框架相结合。通过自动选择一种三种专家设计并将其应用于展开的投影梯度法，本方法无需对设备与基站之间的信道类型进行先验知识。仿真结果表明，所提出的 MoE 增强深度展开方法优于传统基于协方差的方法和黑箱神经网络设计，在混合信道衰落条件下实现了出色的检测性能。
引用
@article{arxiv.2502.20183,
title = {Mixture of Experts-augmented Deep Unfolding for Activity Detection in IRS-aided Systems},
author = {Zeyi Ren and Qingfeng Lin and Jingreng Lei and Yang Li and Yik-Chung Wu},
journal= {arXiv preprint arXiv:2502.20183},
year = {2025}
}
备注
5 pages, 5 figures, Accepted in IEEE Wireless Communications Letters