IRS辅助无线系统中用于降低控制信令的相移压缩：全局注意力与轻量化设计
信号处理
2023-05-12 v2
摘要
被称为智能反射面（IRS）的一项潜在6G技术近年来受到学术界和工业界的广泛关注。然而，由于信令风暴现象，IRS获取优化的量化相移（QPS）面临挑战。本文试图通过提出两个深度学习模型——全局注意力相移压缩网络（GAPSCN）和简化版GAPSCN（S-GAPSCN）来解决上述问题。在GAPSCN中，我们提出了一种新颖的注意力机制，其比以往注意力相关工作需要强调更多有意义的特征。此外，S-GAPSCN采用非对称架构构建，以满足IRS控制器计算资源的实际约束。而且，在S-GAPSCN中，为补偿简化模型导致的性能下降，我们在其解码器中设计了低计算复杂度的联合注意力辅助多尺度网络（JAAMSN）模块。仿真结果表明，所提全局注意力机制相较于现有注意力机制取得了优异性能，且所提GAPSCN相比现有最先进模型可实现可靠的重建性能。此外，所提S-GAPSCN能以低得多的计算成本接近GAPSCN的性能。
引用
@article{arxiv.2207.01908,
title = {Phase Shift Compression for Control Signaling Reduction in IRS-Aided Wireless Systems: Global Attention and Lightweight Design},
author = {Xianhua Yu and Dong Li},
journal= {arXiv preprint arXiv:2207.01908},
year = {2023}
}