基于 RIS 的干扰下的 D2D 通信：中断性能分析与 DNN 基于预测

本文分析了受可重构智能表面（RIS）辅助的设备间直接通信（D2D）系统性能，聚焦于解决由于 underlay 频段 D2D 通信中 sidelink 频率复用的常见问题——共信道干扰。与此前仅忽略干扰或仅在用户端考虑干扰的研究不同，本文在用户端和 RIS 端同时考虑干扰的情况下，对RIS辅助D2D通信系统的中断概率（OP）进行性能分析。具体而言，本文提出了一种用于精确分析 OP 的新型积分形式表达式。此外，本文提出一种新型准确近似表达式，用于 OP，使用 gamma 分布近似期望链路和干扰链路的衰落，从而得到闭式表达式。然而，所推导的两种表达式——即精确积分形式和近似闭式表达式——都包含米勒函数（Meijer's G-function）和抛物柱函数等特殊函数，这会使实时 OP 分析变得复杂。为克服这一问题，本文采用深度神经网络（DNN）进行实时 OP 预测，该网络使用由精确表达式生成的数据进行训练。此外，本文还提出了一个紧密上界，量化了干扰对可实现的多径阶数和编码增益的影响。我们通过蒙特卡洛仿真验证了所推导表达式的有效性。我们的分析表明，尽管干扰不影响系统的多径阶数，但显著降低性能，具体表现为降低编码增益。进一步的结果表明，增加 RIS 反射元的数量是缓解干扰对系统性能不利影响的有效策略。