超表面的辐射方向图预测：一种基于神经网络的方法
信号处理
2020-07-17 v1 新兴技术
神经与进化计算
网络与互联网体系结构
摘要
随着当前 5G 网络标准化接近完成，对 6G 无线网络潜在技术的理解工作已在进行。可重构智能表面（RIS）是 6G 网络的潜在技术之一。它们为工程化无线信道提供了前所未有的自由度，即能够随时并按需修改信道特性。然而，此类特性要求相关超表面（MSF）的响应在所有可能工作条件下均被充分理解。尽管可通过解析模型或全波仿真理解辐射方向图特性，但前者在特定条件下不准确，后者计算复杂度极高。因此，本文提出一种新颖的基于神经网络的方法，能够实现 MSF 响应的快速准确表征。我们分析了多种场景并展示了所提方法的能力与效用。具体而言，我们表明该方法能够以全波仿真的精度（98.8%-99.8%）和解析模型的时间与计算复杂度，学习并预测控制反射波辐射方向图的参数。上述结果与方法对 6G 网络环境中将部署的数千个 RIS 的设计、容错与维护具有特别重要的意义。
引用
@article{arxiv.2007.08035,
title = {Radiation pattern prediction for Metasurfaces: A Neural Network based approach},
author = {Hamidreza Taghvaee and Akshay Jain and Xavier Timoneda and Christos Liaskos and Sergi Abadal and Eduard Alarcón and Albert Cabellos-Aparicio},
journal= {arXiv preprint arXiv:2007.08035},
year = {2020}
}
备注
Submitted to IEEE OJ-COMS