基于强化学习的 RIS 辅助 CoMP-NOMA 网络资源分配
信号处理
2025-05-20 v3 人工智能
摘要
本论文深入探讨了三种变革性技术的协同集成：STAR-RIS、CoMP 和 NOMA。 Driven by日益增长的对更高数据率、改进频谱效率和扩大覆盖范围的需求，6G 发展背景下，本研究旨在通过这些技术的战略部署，探索其在未来无线网络中的潜力，以实现对星型 RIS 的部署，聚焦于减轻单元间干扰、增强信号强度并扩展到单元边缘用户的覆盖。探索了 STAR-RIS 元素资源共享策略，优化传输和反射功能。在真实信道条件下，发展分析框架以量化 STAR-RIS 辅助 CoMP-NOMA 网络的收益，推导关键绩效指标如瞬时速率和中断概率。此外，研究探索了在包含 RIS 的 CoMP-NOMA 网络中实现能效设计的路径，提出新的 RIS 配置和优化算法，以在性能和能耗之间取得平衡。进一步探索了针对空中 RIS 辅助 CoMP-NOMA 网络应用深度强化学习（DRL）技术进行智能自适应优化的潜力，旨在满足用户质量服务要求的同时最大化网络总速率。通过对这些技术及其协同潜力的全面考察，本论文为无线通信的未来发展提供了宝贵见解，为开发更高效、更可靠、更可持续的网络铺路，这些网络能够满足我们日益连接世界的需求。
引用
@article{arxiv.2504.00975,
title = {Resource Allocation for RIS-Assisted CoMP-NOMA Networks using Reinforcement Learning},
author = {Muhammad Umer and Muhammad Ahmed Mohsin and Huma Ghafoor and Syed Ali Hassan},
journal= {arXiv preprint arXiv:2504.00975},
year = {2025}
}