部分信道状态信息与互耦合下的RIS辅助NOMA：一种机器学习方法
信号处理
2025-08-28 v4
摘要
非正交多址接入（NOMA）是一种很有前景的多址接入技术。其性能在很大程度上取决于无线信道特性，而可重构智能表面（RIS）可以增强这一特性。本文利用无监督机器学习（ML）联合优化基站（BS）预编码和RIS配置，该方法能自主寻找最优解。特别地，我们提出了一种受通信领域知识启发的专用神经网络（NN）架构RISnet。与现有最优方法相比，所提方法结合了分析型最优BS预编码和ML驱动的RIS，具有控制超过1000个RIS单元的高可扩展性，对输入的信道状态信息（CSI）要求低，并能处理RIS单元间的互耦合问题。除了所考虑的问题之外，这项工作是对领域知识驱动ML的早期贡献，它利用通信系统的领域专长来设计优于通用ML方法的方法。
引用
@article{arxiv.2508.07909,
title = {RIS-Assisted NOMA with Partial CSI and Mutual Coupling: A Machine Learning Approach},
author = {Bile Peng and Karl-Ludwig Besser and Shanpu Shen and Finn Siegismund-Poschmann and Ramprasad Raghunath and Daniel M. Mittleman and Vahid Jamali and Eduard A. Jorswieck},
journal= {arXiv preprint arXiv:2508.07909},
year = {2025}
}