频谱学习辅助的可重构智能表面用于“绿色”6G网络
信号处理
2021-09-06 v1
摘要
在第六代(6G)时代，新兴的大规模计算基应用（例如自动驾驶中实时处理海量图像）往往导致终端用户（其设备通常受能量约束）的能耗过高。在此背景下，能效成为利用这些前景广阔的应用实现“绿色”6G网络亟待解决的关键挑战。作为应对，可重构智能表面(RIS)被提出通过有益地重构无线传播环境来提高能效。然而，在传统RIS方案中，接收到的信干噪比(SINR)有时甚至会恶化。这是因为入射到RIS上的信号通常受到动态且未知的干扰信号污染。为解决此问题，“学习”周围频谱环境的特性是一种有前景的方案，推动了人工智能与频谱感知的融合，此处称为频谱学习(SL)。受此启发，我们开发了SL辅助的RIS框架，用于智能利用射频(RF)频谱的固有特性以实现绿色6G网络。在该框架下，RIS控制器能够智能地“思考并决策”是否反射入射信号。因此，可通过动态配置RIS单元的二进制开关(ON-OFF)状态来改善接收SINR。通过具体案例研究验证了所获得的能效收益。最后，我们给出了一系列有前景的未来研究方向。
引用
@article{arxiv.2109.01287,
title = {Spectrum Learning-Aided Reconfigurable Intelligent Surfaces for 'Green' 6G Networks},
author = {Bo Yang and Xuelin Cao and Chongwen Huang and Yong Liang Guan and Chau Yuen and Marco Di Renzo and Dusit Niyato and Merouane Debbah and Lajos Hanzo},
journal= {arXiv preprint arXiv:2109.01287},
year = {2021}
}