基于深度确定性策略梯度的半自感式混合 RIS 启用 ISAC 频谱增益提升
信号处理
2025-01-22 v1
摘要
本文提出一种新型半自感式混合可重构智能表面（SS-HRIS）用于毫米波（THz）频段，其中RIS配备的反射元件分为被动元件、主动元件以及感知元件。SS-HRIS配合集成感知与通信（ISAC）可帮助减轻毫米波频段中丰富的多径衰落。在本文提出的方案中，在SS-HRIS上配置传感器以接收目标的雷达回波信号。我们提出联合基站（BS）波束赋形与HRIS 预编码矩阵优化问题，以最大化通信用户的总速率，同时保持以克劳德上限（CRB）衡量的满意感知性能，后者用于估计回波信号来到角度（AoA）以及目标处的热噪声。首先推导CRB表达式并在通信与感知性能约束下构建总速率最大化问题。为解决该复杂非凸优化问题，本文提出基于深度确定性策略梯度（DDPG）的深度强化学习（DRL）算法，模型化了奖励函数、动作空间和状态空间。仿真结果表明，所提出的DDPG-based DRL算法收敛良好，性能优于多种基线算法，包括软演员-评论家（SAC）、近端策略优化（PPO）、贪婪算法以及随机BS 波束赋形和HRIS 预编码矩阵方案。此外，结果表明，采用HRIS显著提升了可实现的总速率，相较于被动RIS和随机BS 波束赋形和HRIS 预编码矩阵方案具有显著优势。
引用
@article{arxiv.2501.12353,
title = {Sum Rate Enhancement using Machine Learning for Semi-Self Sensing Hybrid RIS-Enabled ISAC in THz Bands},
author = {Sara Farrag Mobarak and Tingnan Bao and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2501.12353},
year = {2025}
}