Thiết kế ma trận dịch pha cho RIS trong hệ thống 5G

Bài viết "Thiết kế ma trận dịch pha cho RIS trong hệ thống 5G" đề xuất thuật toán học sâu tăng cường DRL để giải quyết mục tiêu tối ưu hóa ma trận dịch pha cho tia phản xạ. Xây dựng các môi trường và thuật toán sử dụng để tối ưu, cũng như thiết kế ma trận dịch pha cho tia phản xạ trong hệ thống 5G được hỗ trợ bởi RIS. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Thiết kế ma trận dịch pha cho RIS trong hệ thống 5G Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) THIẾT KẾ MA TRẬN DỊCH PHA CHO RIS TRONG HỆ THỐNG 5G Nguyễn Minh Thắng† Nguyễn Tiến Hòa† Member, IEEE † Trường Điện - Điện Tử, Đại học Bách khoa Hà Nội, Việt Nam Tóm tắt nội dung—Bề mặt thông minh có thể cấu hình lại (RIS Mô hình tuyến tính trong [1] khiến các phương pháp tối: Reconfigurable Intelligent Surface) đang trở thành một công ưu hóa dựa trên phức tạp trở nên không thực tế [3]. Một giảinghệ mới nổi và đầy hứa hẹn, có thể hỗ trợ mạng truyền thông pháp thay thế cho những phương pháp này, học tăng cường sâu5G đạt được hiệu suất tốt hơn. RIS là một bề mặt phẳng bao (DRL), đã trở thành một phương pháp học máy được nghiêngồm một số lượng lớn các phần tử có thể điều chỉnh được, trongđó mỗi phần tử có thể phản xạ sóng tới theo hướng dự kiến và cứu rộng rãi cho các hệ thống không dây được hỗ trợ bởi RISdo đó tạo ra môi trường truyền sóng ưu tiên về mặt điện từ. Bên như hệ thống truy cập không đồng nhất (NOMA) [4]. truyềncạnh đó, do mạng 5G được coi là thế hệ đầu tiên được hưởng thông sóng milimet [5], truyền thống sóng milimet [6]–[8], vàlợi rất nhiều từ thông tin định vị nên việc thiết kế hệ thống định thiết kế định hướng tín hiệu phát và thay đổi pha [6], [9]–[15].vị cũng đang thu hút sự chú ý của các nhóm nhà nghiên cứu. Trong [4], sự dịch chuyển pha của RIS được điều chỉnh bằngĐể khai thác triệt để lợi thế của RIS trong hệ thống không dây, thuật toán Deep Deterministic Policy Gradient (DDPG) [16].các pha của phần tử phản xạ phải được thiết kế chung với cáctài nguyên truyền thông thông thường, chẳng hạn như bộ định Trong [5], thiết kế chung của ma trận tạo búp sóng đườngdạng chùm tia, công suất phát và thời gian tính toán. Tuy nhiên, xuống và sự dịch pha của RIS được xem xét trong môi trườngdo những hạn chế duy nhất về độ dịch pha và số lượng lớn các phản xạ RIS lý tưởng. Trong [15], việc tối ưu hóa đã đề cậpđơn vị phản xạ và người dùng trong các mạng quy mô lớn, nên được thực hiện dưới ràng buộc tỷ lệ tín hiệu tới nhiễu và nhiễucác vấn đề tối ưu hóa phát sinh là rất khó giải quyết. Bài viết (SINR) của từng người dùng cụ thể, thay vì tối đa hóa tổng tỷnày cung cấp đánh giá về các phương pháp tối ưu hóa hiện tại lệ tải xuống, điều này có thể làm giảm đáng kể tỷ lệ tải củavà các phương pháp dựa trên trí tuệ nhân tạo để xử lý các ràngbuộc do RIS đặt ra và so sánh chúng về chất lượng giải pháp và một số người dùng cụ thể. Trong [17], đã đề xuất một khungđộ phức tạp tính toán. Những thách thức trong tương lai trong công việc dựa trên mạng Deeq Q-Network (DQN) để tối đaviệc tối ưu hóa dịch pha liên quan đến RIS cũng được mô tả và hóa hiệu suất phổ của tải xuống trong một hệ thống truyềncác giải pháp tiềm năng sẽ được thảo luận. Các bước trong bài thông dùng chia tần số nhiều chọn (OFDM) với một RIS cónghiên cứu bao gồm: 1) Xây dựng mô phỏng thiết kế ma trận độ phân giải thấp. Trong khi các ứng dụng trước đây của DRLdịch pha cho tia phản xạ trong hệ thống 5G được hỗ trợ RIS; cho các hệ thống được hỗ trợ bởi RIS giả định về phản xạ lý2) Áp dụng thuật toán học tăng cường sâu. Kết quả mô phỏngđược thực hiện trên Python. tưởng và thông tin kênh lý tưởng (CSI), hiện không có ứng Từ khóa—RISs, Deep Reinforcement Learning, Coverage Max- dụng DRL nào xem xét sự ảnh hưởng của các vấn đề về phầnimization, phase-dependent amplitude cứng của RIS trong tài liệu hiện tại mà chúng tôi biết đến. Trong nghiên cứu này, chúng tôi nghiên cứu ứng dụng của I. GIỚI THIỆU DRL vào tối ưu hóa thiết kế ma trận dịch pha cho tia phản xạ trong hệ thống viễn thông 5G được hỗ trợ RIS. Các đóng Truyền thông dựa trên bề mặt thông minh có thể cấu hình góp chính của nghiên cứu có thể liệt kê như sau:lại (RIS : Reconfigurable Intelligent Surface) gần đây đã nổi • Chúng tôi đề xuất thuật toán học sâu tăng cường DRLlên như một công nghệ đ ...