基于信道协方差的 MISO 下行链路中发射波束成形与 RIS 系数的神经网络优化
信息论
2025-02-18 v2 信号处理
math.IT
摘要
我们提出一种无监督波束成形神经网络（BNN）和一种有监督可重构智能表面（RIS）卷积神经网络（CNN），用于优化带 RIS 辅助的多输入单输出（MISO）下行链路的发射波束成形与 RIS 系数。为避免频繁的波束更新，所提出的 BNN 与 RIS CNN 基于缓慢变化的信道协方差，不同于大多数利用信道实例的其他神经网络。数值仿真表明，所提出的 BNN 结合 RIS CNN 能够比采用注水功率分配的迫零波束成形实现高得多的和速率，尤其对于负载较高的系统，并减少了计算时间。
引用
@article{arxiv.2301.10963,
title = {Neural Network Based Optimization of Transmit Beamforming and RIS Coefficients Using Channel Covariances in MISO Downlink},
author = {Khin Thandar Kyaw and Wiroonsak Santipach and Kritsada Mamat and Kamol Kaemarungsi and Kazuhiko Fukawa and Lunchakorn Wuttisittikulkij},
journal= {arXiv preprint arXiv:2301.10963},
year = {2025}
}