基于 DNN 的预编码在具有实际相移的 RIS 辅助毫米波 MIMO 系统中的应用-计算机科学-深度神经网络-多输入多输出系统-可重构智能表面.pdfVIP

基于DNN的预编码在具有实际相移的RIS辅

助毫米波MIMO系统中的应用

Po-HengChou,Ching-WenChen,Wan-JenHuang,WalidSaad,YuTsao,andRonaldY.Chang

ResearchCenterforInformationTechnologyInnovation(CITI),AcademiaSinica(AS),Taipei,11529,Taiwan

InstituteofCommunicationEngineering(ICE),NationalSunYat-senUniversity(NSYSU),Kaohsiung,80424,Taiwan

BradleyDepartmentofElectricalandComputerEngineering(ECE),VirginiaTech(VT),Arlington,VA,22203,USA

ArtificialIntelligenceCyberSystems(AICS)ResearchCenter,LebaneseAmericanUniversity(LAU),Lebanon

E-mails:.tw,,wjhuang@.tw,

walids@,yu.tsao@.tw,rchang@.tw

本摘要—本文研究了毫米波（mmWave）多输入多输出扩展毫米波信号的覆盖范围。配备天线阵列的中继仍需

译（MIMO）系统中预编码设计，旨在最大化受阻直接通信路径下主动元件和收发器，因此无线射频（RF）链路的实施

中的吞吐量。特别地，采用可重构智能表面（RIS）来增强MIMO成本和电力消耗较高。

传输，考虑与视距（LoS）和多径效应相关的毫米波特性。传统

最近，有人提出了使用可重构智能表面（RIS）[4–

1的连续相移最优码字的穷尽有哪些信誉好的足球投注网站（ES）计算密集且耗时。为了

v降低计算复杂度，使用排列离散傅立叶变换（DFT）向量进行6]来经济地提高频谱和能源效率。一个RIS由几个被

4

2代码本设计，结合实际或理想RIS系统的幅度响应。然而，即使动反射元件和控制器组成。关于RIS的被动反射元件

8在ES中采用离散相移，也会导致显著的计算量和时间消耗。相材料构成和实现细节可以在[7]和[8]中找到。当视距

2

0反，开发了训练好的深度神经网络（DNN），以加快码字选择过（LoS）链路被障碍物阻挡时，传输信号可以通过RIS绕

.

7程。仿真结果表明，在测试阶段用户端与RIS之间的距离发生过障碍物而不遭受能量衰减。每个被动反射元件都可以

0变化时，DNN仍能保持次优频谱效率。这些结果突显了DNN

5独立地通过软件定义的控制器以可重构的幅度和相移

2在推进RIS辅助系统中的潜力。反射传输信号，并且无需使用任何射频链。在[9]中，

:IndexTerms—可重构智能表面（RIS），多输入多输出

v作者对频谱效率进行了渐近分析并显示了RIS辅助毫

i（MIMO），毫米波，离散傅里叶变换码本（DFTCodebook），

x

r实用信道模型，深度神经网络（DNN）。米波MIMO系统的显著复杂性。如何联合设计主动波

a

束成形和被动反射元件的相移以获得提高频谱效率的

I.介绍

阵列响应是一个关键问题[5,7,8,10,11]