存在干扰的 IRS 辅助无线供能网络吞吐量最大化：一种深度无监督学习方法
信号处理
2021-11-24 v2
摘要
我们考虑一个智能反射面（IRS）辅助的无线供能通信网络（WPCN），其中多天线功率信标（PB）向无线供能源发送专用能量信号。该源首先收集能量，然后利用所收集能量向目的端发送信息信号，此时可能存在外部干扰。针对所考虑的系统模型，我们建立了一个解析问题，其目标是通过联合优化能量收集（EH）时间与 IRS 相移矩阵来最大化吞吐量。该优化问题为高维非凸问题，因此可借助遗传算法（GA）等现有先进算法获得高质量解。众所周知 GA 性能通常优异，但计算复杂度高。为此，我们提出一种基于深度无监督学习（DUL）的方法，其中神经网络（NN）被高效训练，无需耗时的数据集标注任务。数值例子表明，我们所提方法实现了更优的性能-复杂度权衡，因其不仅快数倍，且相比 GA 提供几乎相同或更高的吞吐量。
引用
@article{arxiv.2108.02478,
title = {Throughput maximization of an IRS-assisted wireless powered network with interference: A deep unsupervised learning approach},
author = {Ahsan Mehmood and Omer Waqar and Mahboob ur Rahman},
journal= {arXiv preprint arXiv:2108.02478},
year = {2021}
}
备注
Submitted the revised version to Physical Communication journal