基于无监督学习的 RIS-Assisted MISO-OFDMA 系统联合资源分配与波束赋形设计
信号处理
2025-07-01 v1 人工智能
信息论
math.IT
摘要
可重构智能表面（RIS）是 6G 无线系统的关键使能器。本文研究了 RIS-assisted MISO-OFDMA 系统的下行传输，解决资源分配问题。提出一种两阶段无监督学习框架，用于联合设计 RIS 相位移、基站波束赋形和资源块（RB）分配。该框架包括 BeamNet，用于从信道状态信息（CSI）预测 RIS 相位移，以及 AllocationNet，用于根据 BeamNet 输出推导的等效 CSI 分配 RB。实现了最大比率传输和水满法的主动波束赋形。为处理离散约束并确保可微分，采用量化和 Gumbel-softmax 技巧。采用自定义损失函数和分阶段训练以满足 QoS 约束。仿真结果表明，该方法仅占 SCA 基线运行时间的 0.036%，却实现了该基线 99.93% 的总速率，并且在不同信道和用户条件下保持稳健性。
关键词
引用
@article{arxiv.2506.22448,
title = {Unsupervised Learning-Based Joint Resource Allocation and Beamforming Design for RIS-Assisted MISO-OFDMA Systems},
author = {Yu Ma and Xingyu Zhou and Xiao Li and Le Liang and Shi Jin},
journal= {arXiv preprint arXiv:2506.22448},
year = {2025}
}
备注
Due to the limitation "The abstract field cannot be longer than 1,920 characters", the abstract here is shorter than that in the PDF file