无模型学习被动智能反射面辅助的和速率最大化最优波束成形器
系统与控制
2023-03-28 v2 系统与控制
摘要
尽管智能反射面(IRS)是一种在未来无线网络中具有高频谱效率前景且成本效益良好的技术,但获取最优 IRS 波束成形器是一个存在若干实际限制的挑战性问题。假设 IRS 为全被动、无感知工作,我们提出了一种用于 IRS 辅助下行链路场景中求和速率优化的新型数据驱动零阶随机梯度上升(ZoSGA)算法。ZoSGA 不需要获取信道模型或网络结构信息,仅基于常规有效信道状态信息,即可实现最优长期 IRS 波束成形器与标准短期预编码的联合学习。在先进(state-of-the-art, SOTA)收敛性分析的支持下,详细仿真证实 ZoSGA 在经验表现上也具有 SOTA 水平,在多种场景下持续优于标准的全模型基线方法。
引用
@article{arxiv.2210.16712,
title = {Model-Free Learning of Optimal Beamformers for Passive IRS-Assisted Sumrate Maximization},
author = {Hassaan Hashmi and Spyridon Pougkakiotis and Dionysios S. Kalogerias},
journal= {arXiv preprint arXiv:2210.16712},
year = {2023}
}